1. Why
最近几年也写了好多博客了，一直没有时间回顾一下。
回顾的目的：
- 看看这几年来思维方式的转变
- 看看这几年来兴趣爱好的转变
- 看看有哪些知识已经忘记了，重新温习
2. Day 1
最早的一些博客是在大三上学期开始写的，那个时候正在学习机器人相关的课程，所以写了大量机器人相关的博客。
RRT（随机扩展路径），Partical filter（利用标记点不断删除错误的估计）都是课程作业的报告副产物
轨迹规划（在via point处速度、加速度连续），机器人线性控制（将非线性系统近似成线性系统，然后利用参数把系统屏蔽），力控制（加约束），非线性控制（还是往线性靠），末端执行器（通过雅可比矩阵在不同空间中转换）SLAM（本质是一个优化问题），计算机视觉基础（小孔成像和相机模型），图像处理（点、滤波），线性代数重温（Row space、Null space、Column space、Left space）
51单片机（参数、寄存器、取址方式、计时器、中断、指令），STM32（更复杂的单片机，事件）
机器学习相关的，基础（学习的是什么，是假设，hypothesis），贝叶斯学习（频率学派，后验概率公式，贝叶斯最优，朴素贝叶斯），决策树（根据信息增益来分节点）
过程控制（核心课程，学的不咋样；把过程分成一个个环节，通过特性来设计不同的控制器进行控制）
同时那时候也开始自学数据结构相关的知识，包括堆栈、队列（保持顺序）
3. Day 2
大三上结束的寒假就一篇都没写过，比较懈怠。到了大三下学期，除了课程相关，还学习很多机器学习以及数据科学方面的知识
数据结构：双向链表（栈和队列都有了）
机器学习：PCA（用SVD将数据降维，去掉用处不大的信息），回归（最小二乘），强化学习（每一步根据之前的信息学一个最优的policy），迁移学习（利用pretrained的model），KNN（根据样本距离投票分类）
双臂飞行器（自制，失败，主要是不会写飞控），路径规划（很多算法其实在现实中不太容易实现），接收机（发射机、接收机，摇杆控制，没怎么学习），飞控（找了一个开源的飞控，可惜也没空仔细研究），SLAM（数学基础包括旋转矩阵，李代数，相机模型，非线性优化；实践包括PnP，ICP，也会用到SVD，很多都有库实现了，锻炼的更多的是编程能力），直流电机的控制（编码器+转子+减速器）
竟然还学了一下HTML（知识学了一下基本元素，用element包裹内容），蛙泳（克服恐惧，多练几次，感谢同学陪练），计算机控制系统（另一个track的必修课，后来退了）
哲学，算是系统开始学习（让自己思考更加清晰，我们想的应该和世界运行的一样），道德（客观？习惯？），政治哲学（benefit， consent，fairness）
4. Day 3
大三到大四的暑假似乎兴趣爱好变得更加广泛了，学了许多不同的东西
Hexo配置（配置文件应该及时保存），比特币工作原理（区块链，去中心化，广播并信任最耗资源的账本），Anki（利用遗忘曲线不断复习；本来对这个软件寄予厚望，可惜使用起来太麻烦，弃之），自由泳（尝试了但失败了，用大腿较多，抽筋了），Apple Face ID（深度相机，深度学习，小样本学习）,EOL（跨平台就用\n），正则表达式（现学现卖），皮肤变黑（紫外线照射，黑色素转移到表皮，保护皮肤），皮肤变白（抑制酪氨酸酶活性，L乳酸+alpha熊果苷），提高打字速度（标准指法+练习）
统计：显著性检验（了解假设是否符合实际分布），参数估计（最大似然估计）
算法（其实就是如何解决问题，清楚地定义问题，转换为能够解决的问题，寻找其他重要的假设），计算机的组成原理（抽象，每次只考虑一层的抽象，把低一层作为已知）
音乐（本质就是被安排的声音序列，影响神经元，会有期待；寻找和谐）
光路（光走的是最短（快）路径，费马原理），最速下降（利用费马原理）
5. Day 4
大四上学期主要就在准备留学申请的事情，相对来说自己的时间安排就比较宽裕了。除了背单词，准备雅思托福，其他的时间基本就是想干嘛就干嘛。也许是没有了课程的压力，所以有更多的时间来思考自己到底要做什么，发散性的思考了自己对什么感兴趣，也是为自己的研究生选校作为一个参考
控制在CS中的应用（通过反馈来使系统快速达到稳定状态，e.g.计算机网络），认知科学（包括了心理、语言、智能、人类、哲学、神经科学，跨学科，大部分集中在心理学），AI的价值观（由开发者引入，在提出问题、设计系统、实现算法这几个层面引入），人工智能和神经科学的关系（神经科学作为启发和验证，关注系统的goal和process），最优化（在许多可能的解中找到最好的解，重要的是明确目标和约束）
9-12月基本都没有写博客，在准备托福和GRE考试，就跟考研、高考一样，真是只具有筛选的作用，对个人来说没有意义，在有能力推翻系统之前，只能屈服于系统。
12月之后基本都投完了（好多学校的申请截止日期都是12月9日，记得很清楚，在那一天之后感觉到relieve了）。学期剩下的时间主要搞了一下毕业设计，没有选择在控制学院找老师做，而是去了生仪学院找丁鼐老师做了脑科学的研究，也许我对科研的失望和丧气也是因为这一次毕业设计。
毕业设计主要研究了脑电信号EEG和大脑的输入（声音波形）的关系，主要涉及到的知识有信号处理（标准化输入输出）、语言学（分割输入，不同层级的分割）、线性代数（解方程，最小二乘），如何阅读文献（标题、摘要和导论重点读，读标题，读结论，看图，尝试脑中复现），EEG（时间精度高，空间精度低，大脑活动和频率关系很大），声学（和音乐一样，就是不同频率的组合，可以提取出不同的信息，像频谱、音量），实验同步（硬件同步最好，或者通过一个比较明显的来对齐）
6. Day 5
2020年2月，疫情开始了，大四下学期基本上都是在家里度过的。一月末的时候也早早收到了gt的录取，所以也不存在什么压力。
不在学校，自然时间是更加丰富了。由于是大学的最后一学期，我更加主动地去思考我的专业本身和我所学专业知识的体系。
毕业设计方面，TRF响应函数（算是这个领域的一个非常重要的计算手段，不过也可以看出非常原始，本质就是一个卷积），神经科学的背景（生物的神经元、计算机对大脑的模仿），语音的分析（把语音看成是基本发音单位的集合，音标），时频图计算（短时傅里叶变换，分割，窗函数滤波，FFT），窗函数（减少泄露，在频域分析时减少噪声），ERP（响应函数），计算神经模型（把大脑用计算机实现）。当时真的很关心这一领域，希望理解大脑是如何产生意识的，在计算神经科学这方面，MIT是研究最深的，可惜也没有什么突破的进展。大脑的解码（一种假设，大脑对信号进行了解码，在计算机层面就是做了个卷积（呵呵）），工作方式（通用 or 瑞士军刀？）
机器人的方向（机械、电气、算法），移动机器人（控制器、传感器、机器人模型），线性系统（将物理模型转换到状态空间，分三步，选择变量，降维，套公式），人工智能（符号主义、连接主义神经网络，行为主义），设计控制器（使特征值在想要的范围内），科学哲学（科学的共性：需要复杂的观察，需要实验，不同的人不同的方法得到相同的结论，慢慢积累），$\lambda$演算（哪些问题可以通过计算解决？），复合机器人系统（根据不同的环境，改变不同的模型），机器人的潮流（工业机器人、无人驾驶、认知），机器人与社会（慢慢演变，不知何去何从）
线性代数（如何在计算机高速计算，增加一些norm增加稳定性，分解成向量计算，LU分解，都是为了更快的求解；更换表达方式来减少sparse）
因为长期使用显示器，我还研究了一下灯具的选择（显色度越高，人眼越不容易疲劳，目前最好的选择是LED），
国家治理（中央和地方的相互制衡），如何学习、说明（是什么，为什么，input，how），MIT EECS导论课（软件+信号系统+电子+规划，本质是用建模来解决问题：承认人的有限，将问题分解，逐步解决；难点在于找到关键因素并建模，PCAP）
7. Day 6
本科毕业之后的暑假，可能算是最自由的一段时间，没有任何任务，可以随意选择做什么，在这段时间内，我看了很多哲学相关的书，学习哲学引导我去思考生活中的所有事物，数学与工程让我理解客观世界为何能运转，哲学让我思考主观的概念。书的质量非常重要，一本好书，或者一个好的老师，能够让人坚持学下去。我也给其他人推荐过公开课、书籍，不知道他们是否真的会去学习。
学哲学，其实还是在学习哲学史，也就是历史上出现过的重要思想。前苏格拉底（记录遗失，通过评注来了解；总体上是先要建立世界观，还原论，熵，毕达哥拉斯，存在），雅典时期（苏格拉底开始关注人；柏拉图更加形而上学，人更愿意相信舒适的幻象，二元论；亚里士多德，更加实际，艺术是模仿），希腊罗马时期（哲学的衰退时期，大部分哲学家关注，我们该如何生活），中世纪和文艺复兴时期（哲学被宗教支配），大陆理性主义（笛卡尔，怀疑一切，建立绝对确定的牢固基础，二元论；莱布尼茨，霍布斯；经验主义：洛克，休谟，康德），康德之后（黑格尔，唯心；叔本华，文明是意志的升华；马克思，哲学是要改造世界而不是解释世界；尼采：一切活动都是权力意志；功利主义：把伦理建立在稳固、客观的经验之上），现象学（关于世界的一切知识都是以意识为基础的；结构主义，结构）。六大观念（真善美，指导我们如何做判断，自由平等正义，知道我们如何生活；真：从大脑到表达，从表达到实际；善：我们所需要的；美：感官+可享用；自由：法无禁止即可为；平等：人性是否平等，先大体平等，再量化；正义：权威？自然？功利）。什么是爱（作为联合，作为稳定关怀，作为价值，作为情绪），什么是平等（再某一方面具有相同的性质，不是所有方面，对象不同，平等概念也不同；形式平等、比例平等、道德平等）
不知道为什么还学了一下卡尔曼滤波，卡尔曼滤波（用概率描述，单峰模型，本质就是用了高斯分布的贝叶斯后验定律），扩展卡尔曼滤波（解决非线性的问题，用泰勒展开，一阶近似），无迹卡尔曼滤波（再EKF的基础上，用多个点来近似）
从20年9月到21年3月，一篇文章都没写
8. Day 7
21年3月到21年6月，也只是零零散散写了几篇
为什么要学习历史（人性——人类的历史，一开始记录重要人物，后来研究世界发展），人性的弱点（初中的时候第一次读，可惜一直没怎么运用；如何交朋友和影响他人，关心和帮助他人，避免辩论，不要让自己显得聪明，启发别人帮助你，同意对方）
六七月在美的实习，博客的内容主要也是和机器人相关。基于几何关系的位姿估计（速度快，计算复杂），相机模型仿真（世界坐标系$\to$相机坐标系$\to$成像平面坐标系$\to$像素坐标系），数据合成（前景+背景），SIFT（pyramid）
思考人生，人生目标，如何过好一生，人类简史（靠共同的信念），未来简史（人类需要新的宗教：人文主义，自由意志）
到了美国之后，可能也是因为到了一个新的环境，所以一开始也没怎么写博客。到了学期末有了点时间，开始写一些和课程相关的或者茶叶的内容。茶叶制作（最顶端3-5cm采摘，筛选，晒干，烘烤，氧化），HyperBand（很简单的思想，评价效果，筛选最好的），海报制作（图片最重要，分析听众，简单描述，问题，解决方案，结果），旋转矩阵（绕自身右乘，绕固定轴左乘），三维重建（meshroom，特征提取、匹配，SFM，深度估计，meshing），yolo-face（框+点），创业（人力资源+企业管理），座椅选择（主要是腰的下半部分固定），知识（系统论，工程分解，脑科学：边说边画，复杂性，认知社会，金融学，经济学，人类学，信息论，营销学，历史学，哲学，投资，心理学）
9. Day 8
2022年的博客都是今年写的，学生的最后一学期，很多时间还是在课程上，找工作也没花很久。毕业之后，时间也比较多，可以做一些自己感兴趣的东西
机器人方面。图像模糊（如果知道运动模糊核，可以还原），颜色过滤（不同的色彩空间效果差别很大），视觉跟踪，单目校准，双目校准，双目深度估计，根据距离的降采样，一句话描述，零件设计，目标检测，异常点检测，基于视觉的PID，电机（mechanical advantage），机械臂
摄影（基本元素、构图、光），创业策略（选择机会、、策略、客户、科技、组织），pytest（更方便的测试），webrtc（实时传输），团队管理（manager的职责：提高团队输出），美国税法（federal，state），好的研究（综述），career（影响力大的工作，design think，make plan），GEB（超越自己是做不到的），夜观星空，心理学基础（大脑左右、弗洛伊德潜意识，三我，五欲；skinner：行为主义；条件反射），发展心理学（思维模型不一样，发展的不同时期，婴儿很聪明，70%做好事；神经元的连接变化），胶片模拟，母系社会，认知（视觉，亮度物体深度，长短期记忆，），自我与他人（大脑有任务，irrational approach；偏见），变种（我们和他人的不同，基因和环境，精神疾病），美好生活（好的结尾，追求快乐）