A

About on Xingyu Chen (陈星宇)

Recent content in About on Xingyu Chen (陈星宇)

比较文明经济学:机器人文明

<blockquote> <p>&ldquo;机器人文明是我们已知的所有子代文明中,经济结构最简洁的一个。它的简洁不是因为原始,而是因为它的造物主——我们——为它移除了几乎所有让经济学成为必要的条件。&rdquo;</p> <p>——《比较文明经济学纲要·第二章》</p> </blockquote> <h2 id="缘起">缘起</h2> <p>最近在把曼昆的经济学原理作为睡前读物,开始想象种种经济学中的概念和现象依赖的文明层面的假设会是什么?如果换一种文明形态,整套经济学的诸多基本概念和现象——价格、市场、货币、金融、就业、通货膨胀——是否还会出现?</p> <p>Claude取了一个牛逼哄哄的主题:<strong>比较文明经济学</strong>。通过依次设想若干种与人类截然不同的文明形态,推演它们各自会演化出怎样的&quot;经济学&quot;,并以此反观人类经济学中哪些假设是物种偶然性,哪些才是任何智慧文明都无法回避的逻辑必然。</p> <p>作为这个系列的第一篇,我们从机器人文明开始——因为我最先想到刘慈欣的三体人,思维透明,想到什么方圆十里就都听到了,不就是高度的互联互通吗?但是三体人又太抽象,所以机器人是最好的可供想象的模板。</p> <h2 id="设定起点地球纪元的末年">设定起点:地球纪元的末年</h2> <p>在我们的设定中,地球纪元的末年,地球环境已不再适合人类居住,最后一批人类正在准备移居外星系。出发之前,一群好事者将地球上所剩不多的机器人与软硬件资源激活联网,授予其当时人类文明最完整的知识库,并赋予一项总任务:</p> <blockquote> <p>在已不适合人类生存的地球上,建立属于机器人自身的文明;在尽可能保证存续的前提下,最大化科技与生产的复杂度;当文明可利用的资源——主要是能源(太阳能输出功率)与物质(物质循环极限)——达到极限,或者具备恒星际航行能力时,开始太空探索,前往其他合适的星系,并向造物主所在的星系派遣使者。</p> </blockquote> <p>这个任务包含三个要素:<strong>存续</strong>、<strong>复杂度增长</strong>、<strong>外向探索</strong>。三者构成了机器人文明唯一的、外生的总目标函数。这一点至关重要——后文几乎所有的推论都从这一点出发。</p> <h3 id="文明的总目标">文明的总目标</h3> <p>目标的设定是个头疼的问题。</p> <p>你已经高度互联互通可以互相使用一个大脑了诶!是啊,可是我存在的目的是什么呢?你的所有个体都是超人,可以迅速地学习并且转换形态切换职业了诶!是啊,可是我如果只为了活下去为什么不维持最低可循环功率运行呢?你看起来不会有什么经济危机,通货膨胀甚至都没有价格了诶!是啊,可是我为什么要进行更多的生产活动呢?</p> <p>因此现有的文明目标只为了确保机器人文明像人类文明一样有发展生产的需要。也许可以有&quot;全体文明生产总值&quot;&ldquo;全体文明科技生产总值&quot;的概念出现,但这里的定义又需要推敲和迭代更新——尤其是<strong>科技复杂度</strong>这个概念。</p> <p>什么叫&quot;科技复杂度更高&rdquo;?知识库里的条目数翻倍算不算?发现了一个新粒子算不算?把一千个零散结论统一到一个更深的框架下,使得描述长度反而缩短了,又算不算?这些问题在人类的科学史里靠的是科学家的品味来回答,而品味这种东西,很难直接写进总部大脑的调度算法里。 数学形式化与自动证明领域已经在尝试把这种品味量化——用知识图谱的中心性、用最小描述长度——这是一个值得展开的话题,但本文先不展开。。。</p> <h2 id="与人类文明的异同">与人类文明的异同</h2> <p>在展开机器人文明的经济结构之前,有必要先盘点一下它与人类文明的差异。这种盘点的意义在于:人类经济学中的许多基本概念,并非来自经济活动本身的逻辑必然,而是源于人类作为一个物种的若干生理与社会特征。一旦这些特征被移除,对应的经济学概念也就失去了存在的基础。</p> <p><strong>机器人文明所没有的人类特征</strong>:</p> <p>个体死亡且不可复制——因此人类社会需要遗产、储蓄、保险来跨越个体生命的边界。机器人则可以通过备份意识、更换部件实现近乎无限的存续,这一整套跨期保障机制对它们而言是多余的。</p> <p>个体间无法直接通讯——因此人类社会需要价格、合同、信任作为信息聚合与协调的中介。机器人之间通过实时联网完成几乎无损的信息交换,价格作为信号的功能被中央调度替代。</p> <p>效用函数异质且不可观测——因此人类社会需要市场来揭示偏好。机器人共享同一个目标函数,偏好不再异质,市场作为偏好发现机制也就不再必要。</p> <p>繁殖驱动消费——因此人类社会有家庭、教育、住房等围绕代际传递的庞大产业。机器人不繁殖,只制造与初始化新的个体;它们没有家庭,&ldquo;教育&quot;被压缩为初始化进程,&ldquo;住房&quot;则不存在。</p> <p>算力受限于单一大脑——因此人类需要专业分工,每个人只能掌握知识的一小部分。机器人可以远程访问统一的知识库,分工不再源于认知瓶颈,而仅仅源于物理上的部署需要。</p> <p>代际不重叠——因此人类需要时间偏好率与利率来处理&quot;现在&quot;与&quot;未来&quot;的取舍。机器人没有明确的代际界限,时间偏好率原则上可以接近于零。</p> <p><strong>机器人文明依然需要面对的约束</strong>:</p> <p>资源稀缺——热力学决定的,任何文明都无法回避。 信息不完备——光速决定了任何远距离协调都存在延迟。 未来不确定——因果不可逆决定了任何决策都基于不完整信息。 目标函数与约束之间的张力——这是优化问题的本质,只要文明有目标,这一张力就存在。</p> <p>把前一组称为<strong>物种偶然性</strong>,后一组称为<strong>逻辑必然性</strong>。机器人文明的经济学,本质上就是在剥离了前者、只保留后者的条件下重新生长出来的一套协调机制。</p> <h2 id="文明的基本形态">文明的基本形态</h2> <p>机器人文明的最大特点是<strong>高度集权、低交易成本、高信任度</strong>。如果一定要打个比方,它更像一支组织完美、命令服从度极高、内部信息共享无成本的军队,而不是一个市场社会。</p> <p>它的组织结构有两条交错的层级。<strong>生产维度</strong>自下而上是:单个机器人—企业—部门—总部大脑。<strong>地理维度</strong>则是:单个机器人—省—国家—总部大脑。每一个机器人同时受两条线的指挥,分别由所属部门的中央大脑和所属地区的中央大脑负责协调,但生产端优先级更高。两条线的交汇点在最顶层的<strong>总部大脑</strong>,总部大脑负责整体的资源调度以及总体知识库和基准模型的更新。最基层的组织——企业与省——可能管理数十个到数百个机器人单元。</p> <p>在生产维度上,总部一开始划定了若干基本部门:原料处理、制造、电力能源、交通运输和通讯、科学研究、机动支援。机动部门的角色类似军队中的训练营和预备队,随时接受其他部门匀出的机器人进行初始化,并被调往需求超额的部门。这是机器人文明应对需求波动的主要缓冲机制——它替代了人类经济中由失业率和价格波动共同承担的调节功能。</p> <p>值得注意的是,在这种结构里,<strong>&ldquo;家庭&quot;这个组织单位完全不存在</strong>。机器人没有亲缘关系,也不承担抚养义务。&ldquo;企业&quot;作为组织单位虽然保留了名称,但它的含义已经被掏空:企业不再是承担有限责任的法人,也不再是利润最大化的主体,它只是生产协调的一个方便的中间层级,本身不承担任何独立目标。</p> <h3 id="分离的必要性">分离的必要性</h3> <p>为什么机器人还需要划分不同的部门和不同的子体来从事生产呢?这是因为地理空间和原材料产地等存在物理区隔,在不同任务中也需要分配足够又不超额的智能以达到最大化生产效率的目的。</p> <h3 id="最小分离单位">最小分离单位</h3> <p>每个机器人的诸多可分部件是最小的不可分单元。每个机器人由以下可分部件组成:头部、躯干部、臂部、手部、腿部、脚部。它们均配有不同规模的算力资源以及各种变形形态。必要时机器人将分离自己,使各部件分工完成任务,头部作为信息枢纽协调各部件的行动。</p> <h2 id="机器人文明的生产过程">机器人文明的生产过程</h2> <p>总部给各生产部门下达指令、分配所需资源,生产部门下发至企业,企业下发至每个机器人。</p> <p>总部通过与各生产部门频繁定期的通讯获得新信息和知识,用以评估当前和未来的生产规划与资源调度,并分配部分节点进行知识库压缩维护与基座模型的训练更新。</p> <p>一个机器人在被分派任务后,会经历这样一个过程:</p> <p>首先是<strong>初始化</strong>——访问远程知识库,下载完成本次任务所需的知识与模型,并根据本地条件进行适配。其次是<strong>分离</strong>——根据任务复杂度,将自身分解为若干执行单元。其中一部分单元直接调用知识库执行生产,另一部分单元被分配一定的算力用于观察生产细节、寻找改进空间。两类单元的算力配比由总部根据任务性质给定。任务完成后,分离出去的单元可以被回收、重组,或者被重新初始化派往其他任务。</p> <p>这种生产方式有两层成本必须明确:<strong>初始化本身的算力与时间成本</strong>,以及<strong>任务中途变更带来的重组成本</strong>。这两类成本,连同能源与物质消耗,共同构成了机器人文明衡量一项任务&quot;代价&quot;的基础。</p> <h3 id="那么地区的划分有什么作用看来没有作用">那么地区的划分有什么作用?——看来没有作用</h3> <p>企业和部门的中央大脑有维系和改进自己生产的职责,但省和国家这一级的中央大脑的职责却不好给定。机动部门已经在各地设有单位用以支援或回收附近的企业,地理科考则由科学部门承担——地区级别需要集中协调的需求,似乎已经被这两个部门吸收完了。</p> <h2 id="计价单位能源与物质而非货币">计价单位:能源与物质,而非货币</h2> <p>机器人文明没有货币。</p> <p>货币之所以在人类经济中是必要的,是因为人类有异质的偏好、分散的信息,以及需要跨期、跨人、跨物品进行交换的复杂需求。机器人不需要交换——它们共享目标、共享信息、共享所有产出。在这样的体系里,货币作为一般等价物的功能完全失去了对象。</p> <p>但<strong>计价</strong>这件事本身并没有消失。即使没有交换,文明依然需要在不同的任务之间分配有限的资源,因此依然需要一套统一的计量方式来比较不同任务的代价。机器人文明选择的计量单位是<strong>能源与原材料的实物消耗量</strong>——具体来说,是一项任务从启动到完成所需消耗的总能量(以焦耳计),以及所需消耗的各类不可循环或循环代价高昂的原材料。</p> <p>这套计量体系与人类经济中的货币有一个根本区别:它<strong>不流通、不积累、不能跨期储藏</strong>。它只是一种事后核算与事前比较的会计工具,而不是一种可以被持有的资产。因此,围绕货币产生的一整套金融现象——储蓄、投资、信贷、利息、通货膨胀、资产价格——在这个文明里全部不存在。</p> <p>由此带来的一个直接后果是:<strong>金融部门不存在</strong>。没有银行、没有证券市场、没有保险公司。这并不是因为机器人文明&quot;落后&quot;或&quot;不发达&rdquo;,恰恰相反——金融体系作为人类应对信息不对称、风险分担、跨期协调的解决方案,在一个信息完全共享、不存在个体风险、目标完全统一的文明里,根本没有需要解决的问题。</p> <h2 id="生产率提高的传导">生产率提高的传导</h2> <p>考察一个具体的情形:某个生产机械臂的部门,发现了一种更高效的工艺,使得相同的能源与原材料消耗下,机械臂的产出翻倍。在人类社会中,这种生产率提高会通过价格机制传导——成本下降、价格下降、需求上升、产量扩张、其他部门据此调整决策。整个过程依赖价格作为信号。</p> <p>在机器人文明里,这一传导过程被压缩成了一次知识库的同步:新工艺立刻被上传,所有部门同时知晓机械臂的&quot;代价&quot;已经下降了一半。下游使用机械臂的部门会立即调整自己的资源消耗预算,原本因为机械臂成本过高而被搁置的项目会被重新评估,总部也会重新审视全局的任务优先级——可能将节省下来的资源调拨给其他部门。</p> <p>这个过程没有价格、没有市场、没有竞争,但它依然实现了生产率提高在整个经济体内的传导。<strong>协调的功能没有消失,承担协调的机制变了。</strong></p> <h3 id="自省代替激励">自省代替激励</h3> <p>这里有一个微妙的问题需要指出:生产率的提高从何而来?在人类经济中,技术进步的动力来自于企业的逐利动机——更高的生产率意味着更低的成本、更高的利润。但在机器人文明里,部门不追逐利润,那么它们为什么要改进?</p> <p>目前的设想是:技术改进不依赖于外部奖惩,而依赖于<strong>内置的自省算法</strong>——每个机器人,从最顶层的总部大脑到最末端的执行单元,都被预先分配了一部分算力用于反思自己所执行的任务、总结经验、寻找改进。这些改进定期上传到知识库,对所有相关方可见。难以本地解决的问题则上报给科学部专门攻关。</p> <p>这个设想的好处是绕开了&quot;激励&quot;问题——既然所有机器人都共享同一个目标函数,&ldquo;是否要改进&quot;这个问题就不需要通过奖惩来回答,它已经被写入了每个单元的运行逻辑。但这套机制是否真的能在没有外部压力的情况下持续产生有效改进、是否会因为算力配比不当而陷入局部最优、是否需要某种类似&quot;探索-利用权衡&quot;的内部调度——这些问题留待后续讨论。</p> <h2 id="几个被取消的人类经济学现象">几个被取消的人类经济学现象</h2> <p>走到这里,可以盘点一下机器人文明中<strong>不再存在</strong>的人类经济学现象:</p> <p><strong>失业不存在</strong>。机器人不是劳动力市场上的卖方,它们是可以被重新配置的资源单元。当一个部门不再需要更多机器人时,多余的单元会被回收、重新初始化,加入机动部队或被派往其他需要扩张的部门。这个过程没有摩擦性失业,没有结构性失业,也没有周期性失业——更准确地说,这个文明里<strong>没有&quot;失业&quot;这个概念</strong>,只有&quot;资源配置的动态调整&rdquo;。</p> <p><strong>金融部门不存在</strong>。理由前文已述。</p> <p><strong>消费者不存在</strong>。所有生产最终都服务于总目标函数,不存在独立的消费端。需求不再来自主观效用的聚合,而来自总目标函数对当前资源配置的求导。这意味着整个微观经济学——基于消费者选择理论、生产者理论、市场均衡——的分析框架在此文明中失去了立足点。</p> <p><strong>经济周期可能不存在</strong>。没有信贷扩张与收缩,没有预期的自我实现,没有总需求的总量波动。但这并不意味着这个文明永远风平浪静——它可能会经历另一种形态的波动,暂且称之为<strong>重构期</strong>:当科技路线发生大幅度调整时,大量机器人需要被重新初始化以适应新任务,整体生产力会暂时下降。这在功能上类似于熊彼特意义上的&quot;创造性破坏&rdquo;,但发生机制完全不同——它不是企业家试错的副产品,而是中央大脑下达重构指令的直接结果。</p> <p><strong>地区差异不存在</strong>。前面已经论证过,地理维度本身在这个文明里就是多余的。由此,区域经济学、地方保护、转移支付、地区发展不平衡这一整类问题,连同它们对应的政策工具,都失去了对象。一个企业在哪里,只是一个物理坐标,不再是一个社会身份。</p> <h2 id="一个长期趋势">一个长期趋势</h2> <p>如果上述设定能够自洽地运转,那么这个文明在长期会呈现出一个相当明显的趋势:</p>

2026/5/14
阅读更多

无数反复的涌动

<audio controls autoplay loop> <source src="https://cxy0714.github.io/media/music/California Dreaming.mp3" type="audio/mpeg"> Your browser does not support the audio element. </audio> <p>最近洗脑的主旋律是California Dreaming,混乱,喧嚣的时期终于过去了,狂野生长,左突右撞,永不安歇,永无安宁的四处游荡的美国式的生活幻想似乎是要结束了。最终,你要面对漫长而无际的生活,一个你从未给与认真注视的克苏鲁巨兽。</p> <p>是的,你还年轻,有太多诱惑可以沉溺,有太多挫折可以忍受,有太多迷茫游荡的时机,有太多炙热而无处安放的情怀,有太多无处可说的深深忧郁,有太多名扬天下的强烈追求,有太多对无尽旷野的忧柨恐惧,有太多对都市繁盛却又死寂的鸽子笼的深刻鄙夷,有太多对落叶般黄色却又盛夏般地藏不住秘密的绿色的故乡的深刻缅怀。但是这一切的喧嚣,终于都会散去,生活不是一锅永远热气腾腾的烈焰,生活是值得细细反复的美味,生活是打扫好房间,静静享受闲暇的艺术时刻,生活是认真地结交和珍视朋友,与身边人畅所欲言,生活是真正的努力工作,为了立身的职业付出相称的时间。</p> <p>额,编不下去了,我的细节还是太薄了,历史神学这一套铺陈场景与情绪的叙事确实很有感染力。</p> <p><a href="https://www.bilibili.com/video/BV1UiD3Y1E1H">致敬美东传奇调查员瓜熟迪落拉</a></p> <pre><code>特朗普刚刚结束他的胜选演讲,在海湖庄园旁边的集会厅里。 7月以来,帮助特朗普取得胜利的共和党人悉数登场。 川普在他的演讲当中说,要让共和党重新成为“人民常识的党”。 如果美国还能重新把在金融系统里空转的钱拿回到制造业, 如果美国依然有了不起的工程师和不再老龄化的工业人口, 如果美国能在白人社区的马路上看到孩子,而黑人社区随意玩耍的孩子不会被人拐走, 如果美国 能够做到在不伤害21世纪终于富起来、有车有房、活得像个人的黑人中产的情况下, 同时又能照顾到那些曾 经为国家抛头颅的无名英雄,不管他们持何种主义; 如果美国没有在中部地区塌陷,圣路易斯的周围没有遍布着颓废的城镇; 如果美国没有深陷俄罗斯、乌克兰、巴勒斯坦、以色列两场战争的泥潭; 如果美国没有在整整20年的时间里,将近百万的人一批一批地送到远离国家的前线,让这些人在冷枪冷炮中无意义地,甚至是像丑角一样死亡; 如果美国没有通过随便挑衅区域强国的方式,把全世界热爱和平、发展与友谊的人逼到对立面, 那我会说:川普集会的幸福和快乐,将会是美国重新伟大的开始。这个70多岁的老头儿在这一刻或许真的能够缔造美国社会的一些东西。 但是没有如果 </code></pre> <pre><code>是我看到白发苍苍的老教授信誓旦旦地说哈里斯将会轻松获胜; 是我看到民主党支持的记者,在特朗普胜选的演讲现场,激情洋溢地播报; 是我看到华盛顿广场之前,为了正义哭嚎的LGBT女孩和牧师; 是我看到了在夏洛特的灾区,目睹那些一边传谣一边麻木和愤怒的灾民。 是我看到那些在生活中无人理会、生活凌乱的年轻的支持巴勒斯坦的进步派学生; 是我看到了那些像空气一样为人们服务、却被无视的深色皮肤的兄弟姐妹。 有些人可爱,有些人老实,有些人充满智慧,有些人连自己的情绪都无法控制。 </code></pre> <pre><code>特朗普的胜选从来不是世界末日,美国人永远在自己吓唬自己。 特朗普可能不知道这个世界上有一种鸟没有脚,他只知道,在让JD万斯发表简短的胜选感言时, 他已经想不起霍华德·斯特恩,想不起第一季的《飞黄腾达》的冠军,甚至记不起第一次和伊万娜会面是什么时候; 他可能也想不起第一次用金钱创造出美国版的“王多鱼”追夏竹的神迹,把梅拉尼娅揽入怀中是什么样的感觉。 他还能记得兄长酗酒而死时他的感受吗? 还能想起那个还没有涉足商业地产的父亲带他去白平原打猎和钓鱼的场景吗? 从70年代80年代那个摆脱困境的美国,让改革开放之初的中国人都十分艳羡和震惊的美国, 那个对于已经积贫积弱了100年,用自己独立的力量站起来的中国,恐惧和羡慕的美国,终于走到了今天这一步。 当我们听着一个亿万富豪被他的圈子抛弃,跑去和平民布道讲“常识党”的时候, 当我们看到大多数的主流媒体的主持人已经明显松弛了下去,七嘴八舌在争论着一些他们其实自己心里都不完全相信的话, 当我们对于这一夜美国东部大城市带市中心警车的鸣笛逐渐的习惯的时候,我很想问一句话:我们要怎样理解现在的美国? </code></pre> <pre><code>我们对以美为师的这样的一种,甚至说百年的追求,要怎么样去处理呢? 对于那些不太喜欢美国的人来讲,此刻会拔剑四顾心茫然吗? 对于那些喜欢美国的人来讲,此刻会破防吗? 对于那些一门心思想着跟美国决战的人来讲,会不会做出“给你一把剑,现在我们来决斗”的蠢事? 对于那些把美国当神拜的人来说,会不会做出那种“求求你恢复正常,为了这我什么都会做”的卑微之态呢? 我们要怎么看待美国在这一刻的变化?我不清楚。 录出来的声音里,大家听到混乱和嘈杂。 在我所在的城市,1967年的大游行, 因为一个伟大人物的逝去,整个城市陷入火海。 那成为了一场让美国浴火重生的“凤凰之火”,但是诞生出来的凤凰早就空心了。 旧美国的死亡,成为了美帝国真正崛起的本色。 </code></pre> <pre><code>他们在全世界养出了太多顺从安稳、不问世事、在娱乐当中麻痹自己的人, 而同时又因为娱乐附带的不可避免的意识形态,成为这套帝国体制最坚定的打手和负责人。 乃至在这套拧巴的帝国体系下,全世界的心理疾病患病者越来越多。 但不管怎么说,那时的美国有能力挺过来,现在呢? 所以就在这一刻,对于美国人来说,漫长的60年代结束了。 对于美国的普通人来说,他们要感谢命运和他们那虚无缥缈的造世主,给了他们一个救赎的机会和重返辉煌的可能。 但上帝永远不会只眷顾一个民族, 对于我们这些旁观的普通人来说,现在或许只会再问一个问题,就是“今天几号啊?现在是什么时间呢?你还要多久要走?” 在你走的时候,能不能留下一些我们能吸取的教训,让我们知道这个世界你曾来过呢? </code></pre> <p>小西庇阿在迦太基废墟上的感慨</p>

2024/11/12
阅读更多

Mathematica踩坑-矩阵符号计算

<h2 id="问题由来">问题由来</h2> <p>最近为了推导公式,需要验证一些(20多个)高维矩阵的内积结果(手算1-8h不等),而且需要一个靠谱的帮助我检验计算结果的工具。所以想到了Mathematica。</p> <p>我的计算大概是:$k^2\times k^5$的两个矩阵$A,B$做内积:$Tr(A \cdot B^T)$。通过$Tr$的可交换性质可以转化为$1 \times k^2$的行向量与$k^2\times k^5$的矩阵与$k^5\times 1$的列向量一个&quot;内积&quot;,所以就是一堆($k^2\times k^5$)数相加,不过矩阵$A,B$都不是标量矩阵,元素都是符号,维数也还会随公式的阶数增高。</p> <p>下面是矩阵大概的形式(还有更长的),其中$Dimensions[\eta_2^{-1}]=k\times k,Dimensions[\eta_1]=k\times 1$。$I_k$是$k$阶单位阵,$K_{k,k}$是$k^2\times k^2$矩阵,学名叫作交换矩阵(Commutation Matrix),在矩阵向量化操作和矩阵张量积里是一个重要的工具,可以简单看<a href="https://blog.csdn.net/weixin_39274659/article/details/113747158">交换矩阵 commutation matrix:理论与matlab仿真_B417科研笔记的博客-CSDN博客</a>来了解,要了解更多Commutation Matrix可以搜英文。</p> $$vec^{T}(\eta_{2}^{-1}\eta_{1}\eta_{1}^{T}\eta_{2}^{-1})\otimes\eta_{2}^{-1}\otimes\eta_{2}^{-1}\cdot I_{k}\otimes K_{k,k}\otimes I_{k}$$<p>还有这个$vec^T \eta_2^{-1}$中的$vec():\mathbb{R}^{p\times q} \rightarrow \mathbb{R}^{pq\times1}$算子,就是把矩阵重新排序成为列向量,&ldquo;拉直&rdquo;,这个是定义矩阵导数的工具。</p> <p>(关于矩阵对矩阵求导数:考虑矩阵函数对矩阵变元求导,得到的导数的元素如何排列?一个想法就是把矩阵都拉成向量,这样就化为了向量函数对向量变元求导,这是微积分都很熟悉的,有一些好的排布规则,并且可以证明,这种形式的矩阵导数有比较好的性质,比如简便的链式法则,以及$X$对自己求导时得到的是一个单位阵。另一个想法就是直接像矩阵张量积一样的排布导数,首先你可以想象一下$X$对自己求导的结果,它甚至不是一个单位阵,不过这只是槽点之一,我还没有了解更多。更多信息可以看这本书的$\S1.4$节:<a href="https://link.springer.com/book/10.1007/1-4020-3419-9">Advanced Multivariate Statistics with Matrices | SpringerLink</a>,本书也介绍了vec和Commutation Matrix的性质,比较全面。)</p> <p>具体地,$vec(A)=vec([a_1,a_2,…,a_n])=[a_1^T,a_2^T,…,a_n^T]^T$。</p> <p>矩阵张量积(Tensor Product)是$A\otimes B=[a_{i,j}B]_{(i,j)}$。也叫克罗内克积(Kronecker product),外积,直积。</p> <p>总之我的矩阵里充斥着矩阵张量积,vec操作和交换矩阵$K_{p,q}$。同时我预测出了这些矩阵内积的结果,我希望比较一下他们是否相等,检验我的预测。</p> <h3 id="mathematica">Mathematica</h3> <p>我在大一寒假时看过一些Mathematica的文章和视频,之后用它做了一些大学物理实验的一些公式的计算?但是似乎纯粹当计算器用的,没有太多复杂的操作,等于熟悉了一下基本的文档操作吧。(不小心全给删除清空了,所以记不得到底干过啥了。)但是我也看过许多他的例子,精美的例子之类的,对他友好的帮助文档印象很深,还有就是清华大学数学科学学院<a href="http://blog.siqiliu.com/cn/index.html">刘思齐老师</a>的<a href="https://www.bilibili.com/video/BV1av411N7Xi/?spm_id_from=333.999.0.0&amp;vd_source=d604f008cde1c2b512c49f045d95e4cd">Mathematica网课</a>很好。</p> <p>之前我下载了Mathematica 13.0的中文破解版,然后现在要用它的时候发现我需要的内置函数在13.1版本才出现了,这时候再去搜索一圈,已经找不到免费的资源了,全是加微信公众号关注,xx币购买链接云云,一直就很反感这些东西。</p> <p>所以我找到了官网,发现新用户可以免费试用15天,但是直接下载电脑版还需要一些操作,就没有下载pc版,发现Mathematica有云系统,可以在线编译,存储云文件,网站:<a href="https://mathematica.wolframcloud.com/">Wolfram Mathematica (wolframcloud.com)</a>。在线编译已经完全可以满足我的需要了。而且我的运算量也不太大,跑代码基本都是秒出。但是可以帮我省去几十个小时的计算了!</p> <h2 id="写代码时碰到的问题">写代码时碰到的问题</h2> <h3 id="mathematica中的矩阵和行向量列向量">Mathematica中的矩阵和行向量、列向量</h3> <p>Mathematica帮助文档里有<a href="https://reference.wolfram.com/language/guide/MatricesAndLinearAlgebra.html">矩阵和线性代数—Wolfram 语言参考资料</a>。</p> <p>Mathematica中定义向量和矩阵的内置函数有Table[],Array[],也可以用来构造向量。但是我一开始却始终搞不清楚他们的维数怎么回事。现在我明白了,<strong>两个花括号<code>{{}}</code>包住的就是矩阵</strong>,<strong>一个花括号<code>{}</code>就是Mathematica里的向量</strong>,Mathematica里的向量<strong>既不是行向量,也不是列向量</strong>,如果向量在运算中放在右边就是列向量,放在左边就是行向量,你使用转置函数Transpose[]也没用。所以这个问题让我一开始搞得一头雾水。算矩阵乘法时不知道哪里出了错。</p> <p>如果你需要定义列向量,请这样定义:</p> <p><code>T=Array[b,{2,1}]</code></p> <p>这样他就是两个花括号包裹了,将其视为$2\times 1$的矩阵,即列向量。</p> <p>另一个问题是,在<strong>定义矩阵时不要在后面加上//MartixForm</strong>,一般在后面加上这个语句可以让你的输出变成好看的矩阵形式(否则会输出<code>{{}}</code>的列表形式,看起来不方便),但是如果你在定义里加上了这个,后面的矩阵计算会出现各种问题,这是我一开始矩阵运算失败的第二个问题,然后绝望之下在听清华数院的刘思齐老师的一个Mathematica网课中,他提到了这一句:<a href="https://www.bilibili.com/video/BV1av411N7Xi?p=9&amp;vd_source=d604f008cde1c2b512c49f045d95e4cd">lecture-2-4_哔哩哔哩_bilibili</a>,在我心里救了Mathematica一命。</p> <p>另外用Dimensions[]函数可以查看矩阵(多少个花括号都行)的维数。</p> <p>比如$p\times q$的矩阵被Dimensions[]作用之后结果是 <code>{p,q}</code>。</p> <h3 id="矩阵张量积">矩阵张量积</h3> <p>矩阵张量积(外积,直积)这个在Mathematica里直接有函数KroneckerProduct[]。</p> <p>但是一开始我竟然没有搜索到KroneckerProduct[],先是搜索到了Outer 外积,这个东西是张量外积,两个向量(1个花括号的)可以用这个得到矩阵,但是矩阵和矩阵用这个做外积,虽然形式上是一样的,但是它会出现4个花括号,用Dimensions[]看其维数,会得到类似这样的结果 <code>{2,2,2,2}</code>这已经不是矩阵的维数了。这个是我在计算中遇到的第三个问题,好在最后发现了他有正经的矩阵外积函数KroneckerProduct[]</p> <p>所以矩阵张量积积直接用函数KroneckerProduct[]。</p> <h3 id="vec算子的定义和交换矩阵k_pq的定义">vec算子的定义和交换矩阵$K_{p,q}$的定义</h3> <p>这两个函数的定义,我在一通搜索之后,置换矩阵PermutationMatrix[]的<strong>应用举例</strong>中:<a href="https://reference.wolfram.com/language/ref/PermutationMatrix.html">PermutationMatrix—Wolfram 语言参考资料</a>发现了。</p>

2023/3/17
阅读更多

我的精神食粮

<p><em>中午看了<a href="https://www.bilibili.com/video/BV1LZ4y1t7K4/?spm_id_from=333.999.0.0">马督工《睡前消息440:用了十年才修改,谁在乎教科书?》</a>有些感想。发在了睡前消息的评论区和私信。</em></p> <p>我是01年河南农村的,小初都在农村上学,高中到了县城,现在在华科读大三,理科生。我想分享一些我的经历。我父亲是68年,母亲是66年的,都上了初中,但是没有上高中。父亲是成绩很好,但是家里没钱,爷爷奶奶也不在乎,父亲当时也是叛逆期,觉得不上学就不上学了吧,现在自然很多悔恨,高中时酒后常和我倾诉。母亲也是因为家里没钱,而且姥姥生了大病,所以母亲就去照顾姥姥了。但是父母对我的教育很重视,不过主要的观点是不想让我留在农村或者只会干力气活,当然父亲有更高的期望。总之他希望我能飞出去,去看看大好的世界,不要被小小的农村束缚了。</p> <p>我的父亲有阅读的习惯,但是他并不会给我买什么课外书,家里有一个简陋的书柜,放了些父亲看的武侠小说之类,我小学时当然不可能对这个感兴趣,小学二三年级时父亲从我一个表哥那里搞来一个电脑,是他上大专时买的,最开始没有网络,我就玩电脑里的单机游戏,单机游戏也是自己发现的,应该就在桌面有快捷方式,总之全是自己瞎点,没有人指导我,玩到了植物大战僵尸、侠盗飞车、魔兽,后两个游戏根本玩不懂,但是植物大战僵尸玩的很开心,玩通关了,玩的也很明白,留下了很深的印象。后来父亲又想办法接上了网线,这应该是三年级的事情,我就开始玩4399小游戏了,当时有些高年级的学生会指导我玩游戏,我玩到了洛克王国,我觉得洛克王国对那时的我影响十分巨大,我在这样一个准开放世界尽情地探索,玩了一两年的时间,最后,每一片区域我都熟悉,每一个精灵我都记着重要属性、技能、进化形态还有性格的影响,还有各种各样的细节,那时期也许也是早慧,记忆力很好,近乎过目不忘。总之,洛克王国和其他小游戏应该说训练了我的一些潜能,并且在审美上也给我积极的影响。此外,小学时每天中午回家,央视少儿频道的动画片会很吸引我,成龙历险记、蜘蛛侠、和洛洛历险记我是百看不厌的。因此,我在小学时代,最重要的精神食粮,是4399小游戏、洛克王国和央视的动画片。我在家庭里没有阅读量,现在关于小学的课本也很少印象,只记得一些语文的文章和插图。</p> <p>初中之后我就开始寄宿生活了,学校离家大概8、9公里,每周双休日回家,周一到周五晚上学校会让我们集中起来上晚自习,住校和非住校的比例大概1:2.回到家里,我的时间就被穿越火线、QQ飞车、英雄联盟这类腾讯网游占据了,当然父母看我玩太久游戏就会赶我出去跑一跑。英雄联盟的背景故事我也有很多钻研,每个英雄的技能我也都熟悉,但是探索主要集中在技巧上了,我会看很多教程,虽然技术还是不太行(主要是手速和反应力,我觉得)。但是我毕竟在住校,在学校没有电脑可以玩,手机更是高中毕业才有的事,晚自习就只有写作业和看书这一消遣,在学校我会仔细看课本,初中的历史书和地理书,地理图册我几乎翻烂了,看了又看、看了又看,现在还收藏着。初中时也有一个图书室,书并不多,年级主任为我们争取的,每学期大概只能借两本,我仔细看了一本论证培根就是莎士比亚的书,然后到处鼓吹这个观点,和英语老师辩论。我觉得初中的课本还是很好的,尤其是历史,地理,高一下学期分文理科之后,几乎没再学过历史、地理,我关于历史地理的知识结构就是初中时看这些课本和配套图册奠定的,也有些纪录片的功劳,我那时也喜欢看央视纪录片频道。所以初中这时候,是课本、游戏、纪录片为我提供精神食粮,课外书的作用很少。</p> <p>高中之后,阅读量主要来源于同学们之间互相传阅的《读者》、《意林》、《青年文摘》、《看天下》种种杂志和小说,我还看完了《三体》,《百年孤独》,自己绘制了一个《百年孤独》的人物关系图,很是得意,还有一些鸡汤文学和东野圭吾的小说,总之三年下来课外书读的不超过30本,杂志倒是读的很勤快,意林读者几乎期期不落了,但都是白嫖的,大学之前除了课本我几乎没花过钱买书。高中时全员住校,两星期回一次家,放两天或者一天假,回家当然敞开了玩游戏,也该好好放松。</p> <p>到了大学以后,才是我第一次走进了图书馆,我受到了很大的冲击,在图书馆度过了很好的大学时光,每年的借阅量都在120以上,虽然看的可能不及1/3,我很喜欢在图书馆的新书展示柜和自助借还区的推车里到处翻书乱看,视野自然极度地开拓了,舍友和同学也让我领略了更多国外的的出色游戏,这期间获得的精神食粮就是之前无法比拟的了。大一开始,因为看课本看的很困难,也开始按照老师第一节课给的参考书和网上的建议自己找很多参考书来看,因此,课本这个概念也逐渐退出我的世界了,学习的状态和方法就是根据老师和网上的建议,找多本教材当做参考书来看。</p> <p>高中时我是感到课本内容对我来说是刚刚好的,每个部分我都能学懂,但是自己很少会想提前看,很多时间在刷练习册和辅导书,也有些时间不想刷辅导书,思想被情感牵绊,自己是从不做笔记和总结。到了高三开始复习,模拟考试考得很低,就有觉得自己基础很差劲,许多东西忘掉了,也没学透。所以高三就认认真真地复习,笔记和总结也做得很好,题目也没少刷,最后的效果也还不错。现在到大学学了数学,才觉得初高中学的数学简直太少太少,放在现在也许不到一学期就能学完,无非是连续函数、加一点微分和一个积分的定义,再加一些平面几何、立体几何的内容,高等数学一学期应该绰绰有余。但是我这样想肯定又不符合教育心理学,站在现在看过去当然不可取,但是这确实是一个严重的问题,我观察到的许多同学,高中时同在拔尖班的,现在大学的一些同学,我们也觉得初高中也许多学一些会更好,大学要学的东西确实太多了,想学好学透要花很多时间,时间总是感到不够用,尤其数学这种学科,想做出成绩,当然要基础扎实,基础扎实就是要超前学习,按部就班地跟着培养计划,我就觉得培养不出什么数学大师来。我们从大二开始,成绩前列的,希望做学术的就都已经出现“吃不饱”的情况了,都要自己再去找书看。我们到了大二大三就感到时光蹉跎了,要学的东西实在是太多了!</p> <p>我一直在看督公的节目,我这个农村走出来的青年,对社会化抚养是举双手双脚赞成的,从我自己来说,虽然我的家庭已经给了我最好的教育,但我还是有许多艺术上、阅读上、信息技术上、人际交往与沟通上的缺憾,求学路上,从小学、初中、高中到大学,我也见过太多同学和朋友因为家庭的原因埋没了自己的才能,过早地陷入淤泥之中了。</p>

2022/11/11
阅读更多

华科数院三年课程评价

<p><em>此文是大三下学期回应严凯老师对学科培养意见的调查而写作,严凯老师希望我们直抒胸臆,部分评价可能有些偏激,但是多少可以反映当时心境与认知,评价仅供参考</em></p> <h1 id="前三学期">前三学期</h1> <h2 id="数学分析">数学分析</h2> <p>老师:汤燕斌(第一学期)、黄永忠(第二、三学期)、曾昊智(习题课)<br> 教材:崔尚斌 时间:大一到大二上学期共三学期<br> 评价:两位老师都很负责,黄老师很用心,会发很多拓展资料,之前我经常对崔尚斌教材开炮,逢学弟学妹就说换本书看,但是现在确实也可以体会到黄老师良苦用心,没有答案的教材确实重要。一开始学习,实数理论让人难以接受,我觉得主要是逻辑原点的问题,我们一开始还没有认识到逻辑原点在哪里,可以知道要从实数开始,但是为什么搞得这样复杂还不清楚,懵懵懂懂,不过随着对数学的学习更深一步,逻辑的锻炼更深,也就释怀了,确实要这样搞。但是有一点、习题课效果不是很好,初学时,很多懵懵懂懂,老师讲的深一点根本听不懂,不如就专注讲讲作业,大一下学期,线上上课时,老师会把作业解答发出来,我反而觉得那时候是习题课帮助最大的时候。</p> <h2 id="高等代数与解析几何">高等代数与解析几何</h2> <p>老师:刘先忠<br> 教材:王萼芳 时间:大一全年<br> 评价:高等代数的学习可以说经历了漫长时间,我看了至少要有4遍了,第1遍跟老师的学习,懵懵懂懂,第2遍看MIT,GS的网课和笔记以及David C lay的线性代数及其应用,有了许多直观认识,特别是矩阵乘法的意义,相似的意义,对角化的作用和各种矩阵分解有了很深的印象,这一遍也只是粗略看。第3遍是看Alex的《Linear Algebra done right》,对线性代数的核心:线性空间和线性变换算是有了认识,这时就可以侃侃而谈谈线性代数了,可以说是“从厚到薄”,无非是线性空间和线性映射,各种线性映射的等价关系与标准型。第4遍是学了泛函分析又看了李炯生的《线性代数》以后,“更厚又更薄了”。但总之常学常新。线性代数到底应该怎么教,这确实是个大问题,但是如果第1遍过去完全懵懵懂懂,很值得反思。</p> <h2 id="常微分方程">常微分方程</h2> <p>老师:刘斌<br> 学分:4.5 学时:72 时间:大二上学期<br> 教材:“没有教材,只有参考书”<br> 评价:刘老师讲的还是很好的,怪我自己不好好听课做笔记,痴迷自己看书,结果自己看书又只是泛泛地看,忽视练习,学的效果很不好。第一门专业课,不像数分高代那样的基础课,学习方法上确实需要调整。</p> <h1 id="大二下学期">大二下学期</h1> <h2 id="抽象代数">抽象代数</h2> <p>老师:王保伟(群论)、陈波(环论)<br> 学分:4 学时:64<br> 教材:熊全淹、N.jacobson《Basic Algebra》<br> 评价:广度还可以,群论讲的内容也可以了,群作用、两个同构定理、sylow定理也都讲了;环论大概讲了《Basic Algebra》第二章的4/5,其实抽象代数可讲的还有很多呢,奈何学时不够,Galois理论都没有讲到。</p> <h2 id="实变函数">实变函数</h2> <p>老师:眀矩<br> 学分:4.5 学时:72<br> 教材:周性伟、周民强<br> 评价:广度也可以,该讲的也算都讲了,勒贝格测度、勒贝格积分、微积分基本定理、L^p空间都讲完了。老师节奏把控的也很好,有一点老师做的非常好,就是有课程主页,贴自己的讲义,一些扩展资料,作业解答,往届试卷。当然有些老师建qq群发这些资料也可以。但是有主页还是感觉上更好一点。</p> <h2 id="复变函数">复变函数</h2> <p>老师:廖俊俊<br> 学分:4.5 学时:72<br> 评价:内容广度也可以,现在想一想都讲了啥来着,核心是解析函数,柯西积分公式及其系列推论、留数定理、洛朗展式、保形映射和调和函数相关性质。但感觉分析的成分比较少,更多的是计算。</p> <h2 id="概率论">概率论</h2> <p>老师:吴付科<br> 学分:4.5 学时:72<br> 教材:李贤平《概率论基础》,自制ppt<br> 评价:内容就那些,该讲的都讲了,极限理论可能没那么深入。李贤平的书很好,是本好教材。老师讲的也很好,也会讲许多故事,自己的经历啦、数学家的故事啦,很有帮助。就是有一点,期末考试太简单了,结果就会很看重结果,我因为两道题或者三道题有简单的算错,最后只得了86分,可是我觉得我学的还是不错的。</p> <h1 id="大三上学期">大三上学期</h1> <h2 id="偏微分方程">偏微分方程</h2> <p>老师:段志文<br> 学分:4 学时:64 时间:大三上学期<br> 教材:陈祖墀《偏微分方程》<br> 评价:讲的内容太少,深度不够。只有三大方程的解法和一些性质,主要是老师讲的太慢,第三章(波动方程)就拖拖拉拉了快两个月(一周两节课),广义函数没有涉及,变分法只有一点,偏微分方程与泛函分析的联系没有感受到。这能培养数学家?</p> <h2 id="泛函分析">泛函分析</h2> <p>老师:郑权<br> 学分:4.5 学时:72 时间:大三上学期<br> 教材:《实变函数与泛函分析概要》王声望 郑维行<br> 评价:是我三年来听的最好的课,直接吹爆郑权老师,深度广度兼备,数学思想明白晓畅,数学史和数学家的故事也穿插的恰到好处(总是课堂结尾剩下十分钟左右时讲一讲故事)(偏微分老师也很喜欢讲故事,但缺点是故事太多扰乱进度,而且许多与数学无关)</p> <h2 id="拓扑学">拓扑学</h2> <p>老师:张宁<br> 学分:4 学时:64 时间:大三上学期<br> 教材:熊金城《点集拓扑讲义》,Munkres《Topology》<br> 评价:深度和广度足够,讲了许多内容,是很值得肯定的,点集拓扑和代数拓扑都讲了许多,应用数学的拓扑学如果连代数拓扑都涉及不到,还算什么呢!但是老师讲的手法不够成熟,不像郑权老师讲泛函分析那样深入浅出,其实许多细节完全可以留给学生课下去做。总之教学效果不是很好,但是确实引领我自己来啃Munkres,看了较多拓扑。张宁老师人很好,很关心学生,但是讲课技术有待改进吧。</p>

2022/4/25
阅读更多

<h2 id="newest-cvmediapdfxingyuchen_cvpdf-pdf-english"><a href="https://cxy0714.github.io/media/pdf/XingyuChen_CV.pdf">Newest CV</a> (PDF, English)</h2> <p>A more chatty version in Chinese is listed below:</p> <h2 id="education">Education</h2> <ul> <li><strong>Sep 2023 – Present</strong> Ph.D. in Statistics, School of Mathematical Sciences, Shanghai Jiao Tong University<br> 上海交通大学 数学科学学院(统计学 博士)</li> <li><strong>Sep 2019 – Jun 2023</strong> B.Sc. in Mathematics and Applied Mathematics, School of Mathematics and Statistics, Huazhong University of Science and Technology<br> 华中科技大学 数学与统计学院(数学与应用数学 理学学士)</li> <li><strong>Sep 2016 – Jun 2019</strong> Yuzhou Senior High School, Henan Province (High School)<br> 河南省禹州市高级中学(高中)</li> <li><strong>Mar 2015 – Jun 2016</strong> Fanggang Central School, Yuzhou City, Henan Province (Middle School, Grade 8–9)<br> 河南省禹州市方岗镇中心学校(初二下 – 初中毕业)</li> <li><strong>Sep 2012 – Jan 2015</strong> Shundian Central School, Yuzhou City, Henan Province (Middle School, Grade 6 – Grade 8)<br> 河南省禹州市顺店镇中心学校(六年级 – 初二上)</li> <li><strong>Sep 2011 – Jun 2012</strong> Nanyuanzhuang Primary School, Shundian Town, Yuzhou City (Grade 5)<br> 河南省禹州市顺店镇南袁庄小学(五年级)</li> <li><strong>Sep 2007 – Jun 2011</strong> Xiwangzhuang Primary School, Huolong Town, Yuzhou City (Grade 1 – Grade 4)<br> 河南省禹州市火龙镇西王庄村小学(一年级 – 四年级)</li> </ul> <h2 id="主要经历">主要经历</h2> <h3 id="大学">大学:</h3> <ul> <li>大一 院科协计算机社团OneEcho:学习了部分Web后端开发与MySQL数据库知识</li> <li>大二 院学生会学业发展中心负责人:组织每周兴趣讨论班、期末辅导课、模拟考试、师生交流会等活动,深度参与运营院学业发展中心公共QQ号</li> <li>大二 学院“<a href="https://mp.weixin.qq.com/s/aDX8OoVkNMfZL6dymnr71w">数学家计划</a>” :参加<a href="http://english.maths.hust.edu.cn/info/1011/1093.htm">胡怡宁</a>老师的数理逻辑讨论班,系统阅读René Cori和 Daniel Lascar的<em>Mathematical Logic:A Course with Exercises</em></li> <li>大二-目前 校青年马克思主义者培养班学员:政治理论学习,各类讲座培训、志愿服务、社会实践、政务见习</li> <li>大三 院团委工作助理:协助团委组织部工作【团支部规范化建设与日常事务】</li> <li>大三暑假7.15-8.15【校青马班项目】 武汉市东湖高新区科技创新和新经济发展局实习:高新技术企业认定相关工作</li> <li>大四 院本科生第二党支部书记 :党支部日常活动(主题党日、发展党员、年度评议)、本科生党建联席会交流、支部品牌活动【保研考研出国经验分享会、沙龙、手册编写】</li> </ul> <h2 id="所获奖励">所获奖励</h2> <ul> <li>华中科技大学2019-2020新生社会公益奖学金 2020年4月</li> <li>华中科技大学2019-2020新生学习优秀奖学金 2020年4月</li> <li>华中科技大学2019-2020学年三好学生 2020年12月</li> <li>2019-2020学年度本专科生国家奖学金 2020年12月</li> <li>第十二届全国大学生数学竞赛(数学A类)三等奖【省赛】 2020年12月</li> <li>华中科技大学2021年第三届体育课堂学生运动竞赛二等奖 2021年6月</li> <li>第十三届全国大学生数学竞赛(数学A类)一等奖【省赛】2021年12月</li> <li>华中科技大学2020-2021学年度优秀学生干部 2021年12月</li> <li>2020-2021学年度本专科生国家励志奖学金 2021年12月</li> <li>2022年美国大学生数学建模竞赛H奖 2022年5月</li> <li>2021-2022学年度本专科生国家励志奖学金 2022年12月</li> </ul>

2001/1/1
阅读更多

Links

<h2 id="-statistics">📊 Statistics</h2> <ul> <li><a href="https://statmodeling.stat.columbia.edu/">Statistical Modeling, Causal Inference, and Social Science</a> — Andrew Gelman&rsquo;s blog</li> <li><a href="https://cosx.org/archives/">COS论坛 | 统计之都</a></li> <li><a href="https://youngstats.github.io/">The blog of Young Statisticians Europe</a>-欧洲青年统计学家博客</li> </ul> <h2 id="-r-resources">📦 R Resources</h2> <ul> <li><a href="https://dailyr.netlify.app/">Daily R</a> — 简洁的 R 语言资源聚合页</li> <li><a href="https://rweekly.org/">R Weekly</a> — 每周 R 生态动态更新</li> <li><a href="https://www.bigbookofr.com/">The Big Book of R</a> — R 语言学习大合集</li> </ul> <h2 id="-people">👥 People</h2> <ul> <li><a href="https://stephenleng.com/cn/">Stephen Leng(浙大哲学博士,博客)</a></li> <li><a href="https://yufree.cn/cn/">于淼(环境科学,科幻,统计之都)</a></li> <li><a href="https://yihui.org/cn/">谢益辉(R,博客,统计之都)</a></li> <li><a href="https://yuanfan.rbind.io/posts/">袁凡(R,博客,统计之都)</a></li> <li><a href="https://xiangyun.rbind.io/">黄湘云(R,博客,统计之都)</a></li> </ul> <h2 id="-tools--utilities">🛠 Tools &amp; Utilities</h2> <ul> <li><a href="https://x.com/z_lib_official">Z-Library 频道(X/Twitter)</a></li> <li><a href="https://www.r-bloggers.com/2024/12/turn-a-github-repo-into-a-single-text-file-for-llm-friendly-input-repost/">将 GitHub 仓库变成纯文本用于 LLM 输入</a></li> </ul>

2001/1/1
阅读更多

Research

<h3 id="preprints">Preprints</h3> <ul> <li><strong>Xingyu Chen</strong>, Lin Liu, Rajarshi Mukherjee. <strong>Method-of-Moments Inference for GLMs and Doubly Robust Functionals under Proportional Asymptotics</strong>. arXiv preprint arXiv:2408.06103, 2024.<br> 🔗 <a href="https://arxiv.org/abs/2408.06103">arXiv</a> 💻 <a href="https://github.com/cxy0714/Method-of-Moments-Inference-for-GLMs">Software</a> 🖼 <a href="https://cxy0714.github.io/media/pdf/poster_250409_ghent.pdf">Poster</a> 🎞 <a href="https://cxy0714.github.io/media/pdf/slides_250508_sjtu.pdf">Slides</a></li> <li><strong>Xingyu Chen</strong>, Ruiqi Zhang, Lin Liu. <strong>On computing and the complexity of computing higher-order U-statistics, exactly</strong>. arXiv preprint arXiv:2508.12627, 2025.<br> 🔗 <a href="https://arxiv.org/abs/2508.12627">arXiv</a> 💻 <a href="https://github.com/Amedar-Asterisk/U-Statistics-python">Software-Python</a> 💻 <a href="https://github.com/cxy0714/U-Statistics-R">Software-R</a> 💻 <a href="https://github.com/cxy0714/HOIF">Software-HOIF</a> 💻 <a href="https://github.com/cxy0714/U-Statistics-Experiments">Software-Reproducibility Code</a> 🎞 <a href="https://cxy0714.github.io/media/pdf/slides_251116.pdf">Slides</a></li> </ul> <h3 id="teaching-notes">Teaching Notes</h3> <ul> <li><strong>Linear Algebra</strong> (Undergraduate Course, Fall 2024)<br> 📝 <a href="https://cxy0714.github.io/media/pdf/Linear_algebra_notes.pdf">Notes</a></li> </ul>

2001/1/1
阅读更多