2017.10.23–刘梦奇–周报
1.和团队成员申请了科研立项，把原来暗区监测pc端的实现更新为在FPGA上的实现。
2.中医小论文英文部分大概完成，还需进一步修改及包装。
...
2017.10.22-张猛 周记
一、本周任务
完成了PSNR和SSIM代码，在评估时，输入两幅图像即可；
实验完成情况：在生成模型的证明过程中，CelebAData未完成，CartoonsData已完成；
在帧间生成证明过程中的BallsData实验已完成；
二、下周计划
CelebAData完成后，论文中把实验结果展示即可；
目前论文中所缺部分就是实验结果，下周把所有实验结果进行总结，同时完成PSNR和SSIM的实验评估。
对整篇论文进行整理，下周将结束中文版。
...
2017.10.16周报蒋培培
1.总结了之前看过的GAN文章，重点理解了GAN数学模型的解释。下一步打算深度研究一下DCGAN相关的论文。自己学着跑一点简单的代码。
2.整理了论文
3.看了变量、字符串，条件语句、循环语句在python中的应用
...
周报-刘梦奇-17.10.16
小论文的整体框架已了解，部分内容已翻译成英文，准备在实验数据部分再多加些论证，比如女性组五脏各证素之间的因果关系与男性组五脏各证素之间的因果关系对比。
...
周报-2017.10.16-王明贤
本周学习FPGA
1.学习fifo的基本结构。
2.创建了一个ip核，进行例化仿真，从仿真结果看，一些简单数据的输入输出计较精准。
3.接下来按照要求进一步完善多输入输出，多ip核的结合。
4.深入解析工程代码及把握逻辑原理，尽快提高自己能力，发挥自己力量。
...
周报-刘川-2017.10.16
进行fpga学习，仿真时由于时间精度问题出现不能仿真的问题，在输入 vsim -t ps work.name 后进行了仿真；
创建了一个ram 的ip核，并进行例化后进行仿真。在写入使能WEA有效的情况下进行写入地址ADDRA，并同时写入数据DINA，此时数据进行存储，DOUTA端口读出DINA的数据。将WEA赋值为'0'时，此时选择地址指针可以在DOUTA读出相应的数据。
学习深度学习的基本概念，主要是cnn的一些概念。对特征提取，局部感知有些了解，对参数共享还不太了解。整个神经网络通过对数据的特征提取，然后进行相应权值后相加，进行激活函数输出。
...
10.16周报李和合
本周关于增量式算法的具体算法步骤都做出了细化，以及有关对象拓扑的定义，分类都给出了明确的表示。算法的进一步证明还有待完善
...
张涛周报20171015
本周工作重点开始临时发生转移，具体事务如下：
1. 审稿。为pattern recognition 和 计算机科学审稿两篇。
2. 受李金海邀请准备昆明会议的报告。周一开始构思，最终确定题目：属性拓扑与概念认知。计划从概念认知与概念格的区别角度入手进行分析。其重点在于：人类认识事物都是一个渐进式过程，或者是一个反复自我否定的过程。用马克思的话说就是：否定之否定。那么，如果每个人接触事物的顺序不同，必然会带来渐进式的过程或结果的不同。所以，面对相同的世界，每个人的世界观才会千差万别。
概念认知，应该承认这种渐进式带来的差异性。
承认这种差异性的好处在哪里？在于异质性。
就人类个体来说，成长于同一家庭的双胞胎其小时候的各种差别并不明显。而成长于不同家庭的双胞胎则会表现出差异。这充分说明接触事物对个体认知的影响。扩而广之，我们每个人面对的都是同一个世界，为什么大家对世界的看法不同？同一片天空，有人看到的是蓝色，有人则看到的是灰色。从客观角度来看，与各自接触世界的顺序和后天的引导关系密切。
对世界接触顺序不同，会带来不同的观念。这个直观的解释便是增量式概念树。在此可以提出一个新的“粒结构”——观念。不同的概念树结构会带来不同的概念组合，而不同的概念组合可能形成不同的“语义”，也就是会形成不同的“观念”。当然，具体该怎么描述还要下一步再分析。
至于后天的引导，则完全可以从“观念”出发，去修改概念树。注意，此处用了修改，而不是修剪。修剪仅在于减少，而修改可以增加。当一个人的概念形成后，可以通过后期的修改，改变其概念连接方式，或者说，改变其“粒结构”，从而对其“观念”进行改变。
这种“观念”的改变将比计算概念更有意义，因为其对应的将直接是人工智能中的伦理问题。现在科学家们都在讨论人工智能学会自我学习后会失控，而失控的原因在于其“叛逆期”的不可控性。回想人类，每个叛逆期的少年都是一个潜在的罪犯，我们无非是通过限制（给出足够多的约束条件）或引导（改变其观念）的方式将其引向社会学中的正途，从而让尽可能多的少年成功渡过叛逆期。如果我们可以将“观念”的观点植入计算机，是不是就可以改变人工智能的“叛逆”？如果是这样，与人类的教育学对应，是不是可以开发AI的教育学？
好了，脑洞开的有点大，拉回来。不同的概念树会对应不同的观念，而不同的观念则对应于对同一新事物所表现出的异质性，而异质性则是世界丰富多彩的本源（突然想起了beyond的《光辉岁月》）。从小的方面看，分类器组合不是也要求各子分类器越异质越好吗？
而所有的这一切的基础，属性拓扑已经给出了答案。随时间变化的记忆模型，随记忆而变化的增量式概念树，都已经具备了雏形（论文还需要快速跟进）。如果再解决了概念之间的“观念”问题，就会进入一个新的领域。
PS：从结构上看，如果将每个卷积核看做是概念，CNN与以上论断具有相似性。可惜现在人手不够，否则将有力推动整个课题组的研究广度与深度。
以上是一个大概的报告构思，用了三天时间，从周一到周四。但目前看昆明之行可能无法成行，先将想法记录于此吧。
3. 论文写作。中文论文初稿完成，交给蒋培培做格式调整工作。已经于今天发回给我，还未细看。计划下周调整之后投出。
4. FPGA：自从7月底完成自己的既定任务后一直处于停摆状态。为了整体进度再次将仿真任务拿下，同时调整人员分配，将刘川与王明贤放回自己手下工作。希望二位能快速成长，助我一臂之力。本周将标签转换部分写好了顶层代码，下周开始写激励，然后即将进入漫长的debug阶段。正是这个原因，使得昆明会议难以成行。
究其原因，这次FPGA项目进展十分迟缓，具体原因不想多分析。任务不明确是具体原因。希望这次明确下来后尽快结束战斗吧，这种持久战打得毫无意义。
...
2017.10.14-周记 张猛
一、本周决策
关于论文中实验论证的调整：
1.生成模型的验证：
基于FacesData，CelebA不同数据集，使用DCGAN以及本文中依赖的BEGAN结构对生成结果进行对比，意在说明本文的GAN结构更佳；
基于CelebA数据集，不同γ（0.3、0.5、0.7、0.9）环境下的实验结果对比，意在说明同一数据集在某参数环境下，生成效果最好。
2.帧间生成任务的验证：
基于BallData的自采数据集，不同γ（0.3、0.5、0.7、0.9）环境下的帧间生成结果对比。
3.评估模型：
在1-2中的生成结果均拟采用PSNR进行生成结果评估。
二、本周工作
1.帧间生成实验进度说明（“√”：已完成；“x”：正在进行）
实验方案-------- γ ------- step -------- Batch_size ----- status
RollingBall ---- 0.3 ----- 500k ------------ 16 ------------ √
RollingBall ---- 0.5 ----- 500k ------------ 16 ------------ √
RollingBall ---- 0.7 ----- 500k ------------ 16 ------------ x
RollingBall ---- 0.9 ----- 500k ------------ 16 ------------ x
附：前两组实验结果已有，但发现效果几乎看不出多大的变化，可能是由于数据集结构太简单导致。
2.生成模型实验进度：CelebAData与FacesData实验未进行；
三、下周计划
实验方案已定，依次把需要的实验过程以及结果跑一遍并保存，以便后续查看；
对论文中相应的实验论证部分进行调整；
当前所有实验过程以及论证均为大论文服务，注意论证的严谨性以及说服力问题；
寻找能够更能说明帧间生成任务的数据集，当前的BallData似乎过于简单。
...