本文根据2010年7月2日本人在萨里大学计算机系“自然计算和工程 (NICE)”研究组的首次研讨会上的演讲的部份内容整理而成。希望能抛砖引玉,不当之处敬请批评指正。如何进行创造性研究?1)“学而不思则罔,思而不学则殆”
要做出好的研究,首先要大量阅读文献。许多研究生经常抱怨没有时间阅读,或凭空想象,或只是埋头写算法编程序。两者都是非常危险的。读文献可以从读近期的综述文章开始,然后再重点选择一些文章精读。当然,大部分只需读摘要即可。另外非常重要的一点是,读文献不能只读你与自己研究内容相关的文献,也要读跟你的研究内容不无完全不相关,甚至是其它领域的文献。因为很多新的idea往往是在读似乎是不相关文献中获得的。与读文献相辅相成的是听各种学术报告,哪怕报告内容听起来跟你的研究无关。听报告不但要听细节,更要听思路,要边听边思考。
跟十多年前不一样的是,你不用常常跑图书馆,因为网络上信息很丰富,如googlescholar, 或IEEExplore.
2) 怎样才算是一个好的计算机研究者?一要
像物理学家一样思考,即既有创造性,又有严格的逻辑性。二要像
工程师一样将idea变成具体算法,并考虑现实问题中的约束。要从简单的小系统开始,不断扩展。忌眼高手低,好高骛远而不切实际。最后要想
程序员一样,快速有效地把算法变成程序。
创造性思维大概如下几种方法。一是
逆向思维,如从造天桥可想到挖隧道。90年代初,模糊神经网络非常流行,且被证明一类模糊系统在数学上等同于神经网络。尽管这为模糊神经网络的学习奠定的基础,但模糊系统和神经网络的认知意义是完全不同的。于是与大多数利用两者“等同性”的思路相反,我决定研究模糊系统和神经网络到底有何不同,提出了模糊系统的“可解释性”概念,并提出了一套定性和定量的相关定义和算法。相关篇文章的总引用次数已经超过800次 (googlescholar)。
二是
类比思维,如模拟鸟的飞机制造飞行器,或模仿鱼的游动造机器人。本人最近两年致力于将多细胞生物的生长和多机器人的自组织建立起一个对应关系,并利用生长过程中的自组织原理来实现多机器人的自组织,取得了有趣的结果,并引起的很多同行的关注。
三是
另类思考(alternative thinking).比如为什么街舞这么流行?因为与传统的用脚的舞蹈不同,它主要用手或头支撑身体进行表演。比如在进化多目标优化研究中,大部分研究集中在选择算法的改进上,很长时间内很少有人关注变化算子对搜索性能的影响。先行在研究新的变化算子的多目标优化的工作就很有特色,也很有成效。
要注意的是,根据上述思路所得到的idea一定要“justified“。 如果毫无目的把现有的方法进行组合就以为是创新研究就会误入歧途。
有了好的idea,还需要有好的实验设计和方法。除了在算法设计阶段进行创造性思维外,还要善于在实验过程中捕捉异常现象,比如为什么结果和预想的不同等。
Last but not least, 理论研究一定要和实际应用相结合。这不但是指将理论用于解决实际问题,也指要善于在实际问题中提炼出有一般意义的理论问题。我称之为“双向研究策略”,即“top-down + bottom-up“。如果只是从理论到理论,最后很可能思路枯竭,只好造个问题来研究。
https://blog.sciencenet.cn/blog-616333-480346.html
上一篇:
人在海外:“金”姓的困惑下一篇:
欧洲大学博士论文评审和论文答辩趣谈