Basil是我们控制组的一个老教授，也和我同属一个学院，他头发全白，卷卷地堆在头上，瘦削而有很多皱纹的脸上一副鹰钩鼻，眼神凌厉，说话热切，一副60岁年纪40岁精神的样子。他是工程系最有名的教授之一，以严厉的学风，怪异的举止和天才的学术造诣令人仰视。

我最先是入学的时候，从同门口中知道他的。Basil是我一个师兄的前导师，Transfer的时候他对另一个transfer examiner说我这个师兄的研究都是Basil自己的思路，和我师兄无关，并建议fail掉他。当时就令我感叹不已，还有导师fail自己的学生的，而且研究生按导师指导做研究竟然不算研究生自己的工作？总之，该师兄从此受不了了，跳槽到我老板这儿，3年后顺利毕业，现在香港爽呢。话说Transfer在这里类似于开题答辩，不通过应该是凤毛麟角的事。但是，我老板另一个比我早一年加拿大来的哥们，在我刚来那年做transfer，答辩委员包括Basil，竟然又被惨不忍睹地fail了，结果不得已去年有和我同时期又做了一回，才总算过了，可是进度从此落下，我老板跟俺嘀咕他估计比我还得晚毕业。我问这个同学当时是怎么个情形，他说Basil和另一个老师跟他总是沟通不好，然后大家不太愉快，然后就把他fail了… 最近的一次是三天前另一个我老板的学生，博士毕业答辩，Basil又是答辩委员，结果从下午2：30答到6：30，总之过程又是腥风血雨，让外校来的external examiner倍感惊讶，贵校竟然这么严格！经过4个小时苦战后，最后竟然仅仅需要minor correction，大家一致认为，这应该在简历上浓墨重彩得提上一笔：答辩委员：Basil，这可相当于获得优秀毕业生荣誉啊。

他的严厉的名声可不仅仅在我们组内知名，我有幸和他同在一个学院，我学院的导师，非常和蔼的一个教授，告诉我说在我们学院有个传统，第二年的同学会给第一年来要被Basil带tutorial的同学送纸巾，以备他们将来痛哭的时候应急，并以学院图书馆底下地牢柱子上的中世纪喷火怪龙为例，告知我们：Basil就像这个怪龙，喷火，但是正直，哈哈。

关于Basil的研究，我觉得他是控制组里数学最好的老师，研究方向是基于模型的预测控制，用非常优美严谨的数学，做得很理论，鲜有工业应用，但是我感觉很牛，在automatica上灌水无数，频率颇高。第一年的时候因为仰慕，我还旁听了他的课，每次上课他老就拿一根笔，从上课起在黑板上推公式，一直推到下课，期间问听课众小白多个问题，能被回答靠谱的不到20%，有一次他问大家一个问题后，全场无语，20秒后，Basil说:“我好像看到有个同学笑了，我感觉很安全.”然后继续推公式ing… 现在我不用听他的课了，但还能在seminar上见到他，每次请来的老师讲完，他总要最先提问，开场通常是：“非常好，虽然我完全听不懂，你能不能给我解释一下… ”，然后问得做seminar的老师流汗为止。

Sigh，其实还有好多其他故事，太多了，写得累就不写了。上面看起来好像Basil很不近人情，非常塔夫。但是我要说的是，Basil总是能提醒我们世界上有天才的存在，是一个真心热爱他的研究并且在理论控制领域有过人天赋和过人热情的学者，看到他教学和做研究，让人感到科学本身的魅力和价值。天才的举止必然与我们不同，所有这些不过是我们的大惊小怪罢了。

今天看了一下7月份在Windsor的会议议程，发现江sir的名子，有点感触。清华建筑技术系是我的来历。大学五年加上硕士两年，虽然不能和其他待了十年甚至更多的同学比，但是… 七年呀七年呐七年！！我们专业在2000年左右从热能系分出来，成立了建筑科学与技术系，规模不大，当时只有十个左右老师，本科一届一班30个人，博士一年毕业不到5个，硕士十来个人吧，在学校里真是规模很小的一个系了。学问上江sir亿是理所当然的带头人，刚评上工程院院士，能力、人品和事业心都让大家心悦诚服，另有朱姐姐先庭哥等一干小老板辅佐。以我的小心眼私下嘀咕，不论是江老师还是其他老师，在最牛最牛的人中还是算不上最牛的。

然而，尽管我已经毕业多年，在工作和现在的学习中，由于同学和专业的关系，还能时不时地听到学校的一些新闻：从承办Building Simulation, Room Vent等一系列最高规格的国际会议，到新盖的超低能耗节能楼作为新系馆，到成立清华建筑节能中心以及低碳能源实验室，一系列研究中心的成立都有建设部，科技部和能源部高规格支持，以及去年的国家科技进步二等奖等重要荣誉，加上传说中的多个重量级的大项目。以上还是我知道的一些皮毛，我系的成绩令人骄傲，对比原百年热能系之日薄西山，我觉得我系的发展还是值得探讨的:

首先是人品。学术重在人品，江sir不太会做人同时也有种种令人不爽的习惯，但是其人品所有人都很放心：不注重个人利益，以国家和行业繁荣为己任，做研究身体力行… 加上客观上老一辈的老师多呈半退休状态，新的老师从能力和资历上都不能和江sir比，所以老师们都很团结，能够紧密合作做大项目。学风正使大家能对自己的研究结果有底气，所谓自己首先得信自己的成果才能忽悠别人，这个挺重要。

其次是坚持。今天的成绩是数十年的积累，不是招个学生写点程序毕业就完。DeST和其他看家本事都经过十多年数十年的发展，延续性之好是少见的。如果稍微急功近利一点，也就不会有今天花团锦簇的时候了。

企业支持也很关键。清华同方和我们专业之间的历史渊源和人际关系导致了我系和同方间大量的科研和产业的互动，合作从经费，研究项目，实验基础，工业实践上帮助了系里的发展，当然也对同方也毫无疑问受益了。我觉得，没有同方，系里也不会有今天。

当然还有机遇。节能，环保，global warming, low-carbon emission, 这个全球瞩目的话题在中国这个能源紧缺，发展迅猛的国家得到了党和政府领导人的亲切关怀，我系一不小心赶上了政府的这个步点，不是机遇是啥呀。

总而言之，成功的原因是众多的，但是人品+坚持+工业+机遇成就了今天的众多成绩，所谓学问是厚积薄发，青灯古佛，诚然。但是如果没有战略眼光，长远规划，并且紧密和产业以及国家发展结合在一起，恐怕成功也不是傻乎乎地努力就能得到的。 

Hi, 大家好！我的名字叫Mart Walton，我已经给Tesco供猪肉25年多了，我给我的猪猪喂自家种的粮食，还用新鲜的稻草给他们铺窝，我保证我的猪猪活着的时候享受到了所有Tesco规定的福利，他们可是过了快活的一生呢！（他们死也死得很好，都没被残忍的放血哟，相信他/她们一定会很高兴地被你们吃掉的，happy eating!）

---摘自Tesco猪肉馅包装盒上的说明

这个学期开始给本科生带实验。要不就没有，要不就好多。一下子要带control 和thermal dynamics 两个lab。刚开始还挺紧张的，翻看一下control lab的内容，厚厚的一小本，好多都已经忘得差不多了，于是找出以前的课本认真复习了一下，总算找回来不少。可是到真的实验的时候，发现看过一遍和做过一遍可真是差距不小，被本科生问住的感觉可真不好。于是又重新把主要的公式和计算又自己算了一遍，总算心里有点谱了，再带实验的时候开始有些乐趣了。

作实验的同学千差万别，有的学生巨聪明又认真，写的log book清晰无比，这样的通常是亚洲的学生或者欧洲大陆来的女生。有的同学也很灵，而且很喜欢尝试自己的想法，不拘泥于lap note的要求，这样的更多的是英国的男生。有的同学啥也不懂，写得也特潦草，还特爱问问题，仿佛算错了也是老师的问题，这样的最郁闷，以本地女生居多。还有一些是也啥也不懂，还闷在那边啥也不问，这样的看起来有点可怜。最让人生气的是自己什么都不作，全靠旁边的同伴，他写什么就写什么，都不知道最后marking的时候怎么可能混过关。

带实验是个体力活，连续好几个小时团团转说个不停，可是，最后同学跟你说谢谢你，你的的demonstration 很好，很有帮助的时候，心情还是很不错的J

几个概念

Curse of Dimension / Model based or Model free / Knowledge generalization 

Model Based/ Model Free: Model Based是说学习的对象是系统的模型，在得到比较可靠的系统模型（通常为参数化模型）后进行传统的优化或者模拟的方法进行控制。Model Free是指不学习系统的模型，直接学习控制变量和系统性能之间的关系，这个是老板的favorite。 

Curse of Dimension，维数灾难。是指变量数（维数）增多时，学习的复杂度呈指数增长，造成数据要求的时间和数据量接近不可算。 

Knowledge Generalization：和数据挖掘有点类似，通过对目前数据或者知识库的分析，得到深层次的知识。数据拟合可以说就是一种Knowledge Generalization，参数化学习和数据拟合差不多，也是Knowledge Generalization，决策树的学习和整理同样也是。 

以上几个概念看似没太大关系，其实彼此相互呼应。所谓对系统模型的学习通常为系统参数的拟合或者系统结构的学习，都是对于知识的一种归纳，试图通过比较少的结构参数或系数来表达整个系统的信息，而不是简单的逐片段积累经验或者数据。这简化了系统表达所需要的数据量，也就减少了要学习的内容，从而可能避免维数灾难。例如，通过较少的数据集合曲线，进行插值得到其他数据，比逐项学习所有曲线上的点所需要的数据点需要的时间和数据都少。 

参数化学习可追溯到曲线拟合，是经典中的经典，可是，对于复杂系统或强非线性系统，如果仅仅进行系数的参数化学习，一旦系统模型的结构不正确，是无法得到可靠的系统模型的。强非线性系统只有分片段学习和描述才可能准确。这里我们遇到了一个矛盾，系统复杂时常具有强非线性特征，很难进行简单的参数化学习，然而用对复杂系统的非参数化方法学习又会有Curse of Dimension。 

进展得如火如荼的AI学科告诉我们，遇到问题的时候就得好好想想人类是怎么处理这些问题的。而几千年灿烂的中华文明告诉我们，遇到矛盾的时候，就要采用和谐的方法进行折衷。可以不试图进行全局的参数化描述，而把全局分为区域，在该区域内进行参数化描述（呵呵，这个不就是Fuzzy TSK嘛）。当然，仅仅采用这个方法对维数灾难的改善程度不够，这是因为每个小分区都要学习，在维数高的时候要学习的还是太多了（我现在的情况）。 

一个方案是进行区域辨识，通过knowledge generalization，得到更好的系统的分区关系，类似于聚类分析，也就说，不要把全局乱分成区域，分区要考虑内在联系。可以用同样规律描述的点归到一起，减少分区，提高精度，这个是目前很popular的，有一定效果。 

另一个选择是维度分析，所谓的抓主要矛盾。通过敏感性分析，用低维模型表达高维空间的不同区域，这个可以用最大熵法进行，所谓的decision tree generalization。 

还有一个手段是层次化学习。人类在面对复杂的情况时，通常要把一个复杂的决策简化为一系列相对简单的决策，一步一步推出结果。在进行当前判断的时候，不考虑之前判断的原因，只考虑上一级的结果。就象一个企业，不同阶层的人考虑不同阶层的事，要让CEO知道所有的技术细节和让工程师知道所有的财务细节一样是不可能也不必要的。这类似于某种维度上的区域辨识，有点像流体力学的无量纲数。问题是无量纲数是从微分方程中推导出来的，而在面对一个复杂非线性系统时，微分方程是无法获得的，也不存在专家可以进行理论推导，这一切都需要机器学习。

另一个有些类似的是子规则的学习：通过试用事先给定的子规则，把众多纷杂的决策简化为几个子策略，是层次化学习的一种。这个方法的主要问题是，子规则在大多数情况下是事先给定的，基于先验的知识，未必适用于当前问题。如何通过学习自动生成子规则，这个俺先看看paper再说。 老板曰，learning is hot。其实现在的学习算法都很直接，不需要学习任何的先修课就能听懂，这说明了理论基础的不足和知识的不足。使用这些算法，机器是不能产生任何高超的智慧，结果通常不具有启发性，只不过机器更快速准确罢了。所以说，目前机器学习的不是知识，而是结果。知识是我们上课，编算法，列微分方程，做研究的时候学到的理论和得出的结果，机器学习的方向应该是如何让电脑产生这些知识，当电脑能够得到这些智慧的时候，就能够帮助人类研究和学习新的知识

在网上看小说是从黄易的大唐开始的。当时毕业册上的水印就有大唐两个字，是我们年代的印记。在此之前，曾经在温习n遍金庸全集后觉得以后再也不会看武侠小说了，当时已经很久没有像样的新作家了，除了温瑞安还半死不活地写少年四大名捕，而水准也早已江河日下，与其全盛期不可同日而语了。网上连载的大唐让我从新认识了武侠／玄幻的世界。几年过去，在最闲的时候偶尔还是会看看网上的小说，下面是我觉得不错的作家和小说，呵呵，一家之见而已。

黄易：

黄易对武侠／玄幻小说的贡献是承前启后的，他的穿越/修真/篇幅等因素引导了新武侠，玄幻对传统武侠的超越和进步。黄易的多主角，电影剧本手法，种马精神，对战场景描写都引领时代之先。缺点是文笔太差，几乎没有甚么意境，所有给读者的感受都要费劲的一个字一个字地表达出来，文字功底即使在网络写手中也不算顶级的，和他大学教授的背景实在不相称。

覆雨翻云：卖点是武功上的境界追求，终极的目标是破碎虚空，当然，情色描写也不错，呵呵。

寻秦记：卖点当然是穿越始祖。战国百家争鸣和始皇帝背景也足够吸引人。

大唐：篇幅是卖点一，长度前无古人（甚至比还珠楼主的蜀山还长？）

星际浪子：科幻武侠

这几个作品都是划时代的。

老猪

紫川

除去最近更新的部分，紫川是我看过的最好看的网络小说。首先是文笔，可以说中学生也能写出这样的作品，但紫川绝对是中学生文字的精品，而且谁说中学生写出来的就不能是最好的文字。老猪的文字足够有趣，最开始的几章能让人看书的时候微笑，后来随着紫川秀的成长场面渐大。比如流风霜回归的部分，有很多人说借鉴了拿破仑回归法国的故事，但是让人实在不能抗拒地重读，感动。兼之篇幅够长，也满足了人民群众的代入需求，唯一的遗憾就是不知道最近作者怎么了，有点苗头不对。这本书我重读了，想想看，有多少书能让我们重读？即使我们很无聊。

 萧鼎

诛仙是最红的网络武侠之一，但诛仙不是一个顶级的网络小说。这并不影响我会追看所有更新的章节，说实在的，诛仙的初期设定让人看十分钟就要想想接下来笑傲江湖该写到哪儿了。随着前期的成功，后期作者终于走上了独立创作的新路（欣慰之）。萧鼎是个有能力的作者，诛仙中仙剑对战的场面，还有小凡与碧瑶／雪琪的感情，叙述中偶尔加入的小抒情片段都挺动人，是别的写手没有做到的。

诛仙：人气逼人！

暗黑之路：萧鼎的旧作，但是确实值得一题，主要吸引人的是冷兵器时代的战争场面，和紫川部分战争场面类似，可惜被作者TJ了。

沧月

华丽的少女作者。呵呵，现在也工作一两年了吧，不算少女了。是清韵派文笔的代言人，这位姑娘文笔是通顺的，用词是华丽的，场景是唯美的，巫术是阴暗的，运作是成功的，才华是多方面的，工作是兼顾的，样貌是一般的，写作是努力的 J 听雪楼系列和镜系列是两个大系列，问题是意境的重复反映出作者生活的单一和写作趣味的少女情怀。但是但是，书确实是好看的，是顶级作者之一。

听雪楼系列

镜系列

燕垒生

知道燕垒生是从清韵，就是那个人才济济，有着沧月／小缎／江南／水泡／燕垒生的清韵。天行健是一部越写越好的作品，最吸引人的是里面淡淡的伤感和无奈，有力度，真实的战争场景也在网上作品中出类拔萃（说实在的，非网上作品这方面可能还不如网上作品呢，现在的作家越写越烂了）。后期主人公牛了之后让读者很爽的代入感也很体贴，呵呵。

天行健：长篇，出色的战争场景，感伤的基调

道可道：新作品，不知道燕垒生咋了，远逊于前作。

可蕊

可蕊姐姐的都市妖大家都爱看。文笔朴实可爱，周影，刘地，火儿众妖都是心地善良，性格古怪但是可爱的妖怪。在一个普通的时代的普通的城市过着普通又不普通的普通妖怪生活。象一个大姐姐讲着一个从没听过的好听的故事，篇幅体贴的限制在中短篇（好不耽误小朋友睡觉）。知道现在，可蕊还在慢慢地更新，虽然妖怪越来越多让主角有点分散，但是故事还是一样好看，是少有的有营养的网上作品。

都市妖奇谈：都市妖怪设定，童话文笔，篇幅友好

随波逐流

随波主流就写了一个一代军师，篇幅狂长，塑造了江哲这么一个架空阴柔版诸葛亮。全文计谋丝丝入扣，气息悠长，王朝争霸场面宏大，小顺子和一干配角都形象鲜明，言辞可人，把江哲衬得颇为可爱。很多人都说文章好看，就是主角近妖，当然，按照女作者的话来说，“就是受不得主角受苦”。一代军师也有着网络小说的一个普遍问题，单线发展，主角篇幅太多，加之作者百般呵护，爽则爽矣，没了天将降大任的虐快（被虐的快感）。

随波逐流之一代军师：主角近妖，配角可爱，连反派都很配合

一代神龙：逊于前作

卫悲回

现代军事幻想的优秀作品，铁血的镇站之宝。说实在的，夜色要耐着性子看过头几章后才好看，但是文中对战争的残酷描写让人想起兄弟连，文中人物也不是单细胞型种马+穿越英雄，有着人类的情感和弱点，后期主角的兵种轮换体现出作者的科普意识显得有点傻。还有一个亮点是文中对日本和美国对中国侵略的背景安排，说实在的，作者不是技术性的认为这个很可能，只是在文中对中国人面对侵略时的描写让人觉得特别真实，让人觉得汉奸的出现绝不是偶然的，读的时候心里会冷冷的。

夜色：现代军事幻想，常规武器战争的出色描写（至今没搞明白为什么战争没有升级）

孙晓

英雄志是大热作品。常见的评论是其架构，思想境界的宏大，常被人诟病的是文笔的拙劣。我对英雄志的主要问题是看第一遍的时候有时候跳着看的，而且实在不想重看，也许是我觉得这本书不太好看。

英雄志：宏大的架构，一般的文笔（也许润色后会成精品）

中华杨

拯救中华的穿越，称霸世界的帝国梦想，太祖式人物引发的历史进步，从太平天国开始彻底改写了近代中国史。怎么样，要是想爽一下是不是得看看。嗯，我看也就仅此而已。

中华再起：爽文

阿越

穿越回宋朝，通过尽量理性的描写，在栩栩如生的北宋改变历史的故事。主角周旋于苏轼，欧阳修，王安石这样的传说中的人物，却通过现在的科学技术和历史唯物主义知识，把王安石的改革进行到底，让中华帝国从宋朝就进入资本主义初级阶段。作者是历史系研究生，文笔通顺，细节特别有趣。当然，有时候大家被学者惹烦了，也抱怨抱怨：）

新宋：学院派穿越，宋朝的迷人气氛，北宋改革的幻想

其实应该还有一些好文，一时想不起来了，明天想想再写，呵呵。