暑期总结--杜妍孜--20180710-20180831

yzdu

这次暑期基本上完成了之前制定的计划，具体完成程度如下：
1.        和大家一起学习了吴恩达的深度学习课程。整个课程分为了五门课展开，分别为：第一门课神经网络和深度学习，第二门课改善深层神经网络：超参数调试、正则化以及优化；第三门课结构化机器学习项目；第四门课卷积神经网络和第五门课 序列模型。整个课程内容很详细，第一门课介绍了神经网络的基础和整个深度学习的核心内容，学习如何建立神经网络以及如何在数据上面训练神经网络，这部分内容和之前学习的机器学习内容有很多重叠部分。第二门课进行深度学习方面的实践，学习构建神经网络，如何真正让它表现良好，即学习超参数调整、正则化、诊断偏差和方差以及一些高级优化算法，如Momentum 和 Adam 算法。第三门课学习如何结构化机器学习工程，主要是学习不同情况下训练集和测试集的划分。第四门课介绍了通常用于图像处理方向的卷积神经网络(CNNs)，以及如何搭建一个规范的CNN模型。第五门课介绍了序列模型以及在自然语言处理方面的应用。吴恩达的这个深度学习课程内容很经典，感觉吃透还需要多回来复习。
2.        暑期工作重心在把GAN-PSO的实验研究把共识嵌入到静态非重叠社区发现算法中去，现在已经找到数据集karate(34个节点),dolphin(62个节点),football(115个节点),polbooks(105个节点),SFI(118个节点),netscience(1589个节点),PowerGrid(4941个节点),PGP(10680个节点),Email-Enron(36692个节点),enron(69244个节点)共十个，其中前四个社区结构已知，前八个数据集已经得到比较稳定的结构，后面两个数据集的实验在迁移到服务器上时出现一些问题，目前正在尝试解决。
参考文献：
（1）Quantum-behaved discretemulti-objective particle swarm optimization for complex network clustering
（2）A Mixed Representation-Based Multiobjective Evolutionary Algorithm for Overlapping
（3）Complex Network Clustering by Multiobjective Discrete Particle Swarm Optimization Based on Decomposition
（4）Evolutionary Algorithm for Knee Based Multiple Criteria Decision Making
（5） Arbitrary-Order Proximity Preserved Network Embedding
（6）The metapopulation genetic algorithm: An efficient solution for the problem of large phylogeny estimation
3.        学习了C++ Primer中文版 （第5版 [（美）李普曼，（美）拉乔伊，（美）默著][电子工业出版社][2013.08][838页]）的前四章，主要是string、vector、数组和迭代器的用法。为C++代码的阅读和修改奠定基础。
4.        Leetcode上用C++解决了61道题目，其中Easy档的题目39道，Medium档的题目22道。巩固了《C++ Primer中文版》中学到的用法。