about

请大家见谅:我写这些只为澄清事实,不想吸引太多关注,毕竟我仍然身处体制内而且力量远不足以与工程院院士对抗,请不要把我写的东西分享到微博上,如果我发现赞同数太多或者分享太多,会果断删帖。

我是做系统结构这个大方向的(偏结构多一些),虽然说ZYX的这个获奖已经在我们这个圈子里传为笑话,但我本来也不太想公开发言评价怕得罪人。然而看这势头实在不太对,如果了解内情的人不出来说话恐怕就有黑白颠倒之忧,所以不匿名了,实名反对一下  @刘知远  老师的回答,刘老师很明显不是跟我们一个方向的,所以很多地方都说的不对,下面我一个一个谈,如有得罪请见谅。得罪人怕是也没办法了,反正微博上已经有很多圈内前辈公开发言抨击过了,有事儿也是先查他们的水表。

【Update:实名保持了三个小时,收到280个赞,但不断有人把这些贴上微博,所以我还是匿名了。】

从学术上来说,这个东西别说是评自然科学一等奖,其份量连入围评选的资格都不具备,其评审材料完美地诠释了什么叫做拉大旗作虎皮。

1. 云计算的提出是否晚于透明计算根本不重要, 云计算的孕育从头到尾与透明计算完全没有任何关系,这是人尽皆知的事实。 包括我在内,做系统结构的很多老师和学生都提前了几个月听说了ZYX团队已经被内定了自科一等奖,都觉得很奇怪,因为我们这个圈子里面的的确确没有什么成果能够得着这个奖,当看到他们的评审材料(暗示)说云计算是透明计算催生出来的概念时,大家都吓到了。云计算的兴起又不是什么保密的东西,就这些年大家一人一双眼睛盯着它火起来的,众目睽睽之下竟然胆子大到了敢偷天换日的地步,TC团队的人如果有逛知乎,请摸着你们良心问问自己,云计算是受你们启发搞出来的东西么?

2.  所谓Intel、Microsoft等业界大鳄的跟进,是完全颠倒了主次。 我老板很精准地指出了这个问题:就拿Intel的IDF讲话来说,ZYX团队在中文报告书里面写是他们首先提出透明计算而获得了Intel的跟进,但在英文报告书里面是相反的笔法,亦即Intel开始推动透明计算,这与他们的想法重合。请注意这里的主次区别。另外,如很多人已经指出的,Intel在透明计算上的愿景与他们在论文里面描述的仍然是两回事。

这是一出什么闹剧?隔壁王二痴迷武学掌法而不得入门,整日练习掌劈铁锅,某天突然发现江湖中人津津乐道的降龙十八掌以威猛绝伦著称,刚好与自己掌劈铁锅的做法有几分相似,大喜过望拿去给衙门报功了,说萧峰是自己小弟。

令人瞠目结舌的是衙门居然相信了,武学功底上从来不显于人前的王二这回一跃成为武状元。

3.  很多人质疑ZYX的团队没有产出什么有影响力的学术论文,这是对的,因为他们确实没有。 我们这个圈子里面每个科研小组都会关注各大顶会(操作系统领域主要是OSDI & SOSP双子星,以及EuroSys等其他),我们这个小组到目前为止从未注意过或者讨论过有关TC的工作,与别人交流时发现不只是我们,大家都没有发觉过这个东西,好多人都是听说他们的获奖才头一回拜读其大作,那这就有问题了,所有小组都没有注意到他们的工作,连在国内都没有打响名声,何谈什么国际学术影响力?

到目前为止的搜索结果来看,这别说是什么国际级的学术影响力了,绝大多数论文的发表地我是连名字都头一回看到,跟殿堂级的去处相距甚远,ZYX团队最好的发表记录是一篇Infocom上面的Workshops,以及明年在IEEE TC上组织的Special Issue,含金量都十分有限,有些人可能迷信IEEE TC认为这是顶级期刊,但就系统结构这种顶级会议占绝对主导地位的学科来说,顶级期刊的作用只能呵呵。

作为国内系统结构研究的旗帜,计算所内从没有屈服于天朝特色来把顶级期刊摆在台面上,而是一直坚持顶级会议的发表路线、与国际主流对接,这一点我非常非常地赞同,这也是计算所近几年进步飞快,国际声誉迅速提高的主要原因之一。如果有一天诸位看到计算所内部也开始吹嘘顶级期刊了,请毫不犹豫地来打脸,那时候我一定已经不在计算所了。

【感谢评论区指正ODSI -> OSDI】
基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值