吴文俊先生纪念网站

在人工智能大热的当下,有个人的名字时常被提及。他就是著名数学家、中国人工智能先驱——吴文俊。他由于在数学领域的开创性研究荣获国际自动推理的最高奖Herbrand奖。

吴文俊在数学所作拓扑学的学术报告1955年

1919年,吴文俊出生在上海一个书香世家。4岁时,他就进入了小学。直至上初中,数学都不是他青睐的学科。高中时,他逐渐对数学、物理,特别是几何与力学产生学习的兴趣。1936年,吴文俊中学毕业,因为家境困难,而学校提供的奖学金要求他必须报考上海交大数学系。由此,他进入名校。某种程度上来说,当初念数学系并非吴文俊的本意。没想到,这是命运造成的一个美妙的“错误”。在大三的时候,他接触到英文著作《代数几何》并深深地迷上了数学。大学毕业后,吴文俊由于在数学方面的突出表现,经引见认识了苏步青、陈省身等当时数学界的大家。后来,他进入中央研究院数学研究所,受教于陈省身,稳稳地踏上了数学研究的道路。

上世纪50年代,吴文俊誉满天下,他引进的示性类和示嵌类被称为“吴示性类”和“吴示嵌类”,他导出的示性类之间的关系式被称为“吴公式”。吴文俊的工作被公认为50年代拓扑学的重大突破之一,成果被5位“菲尔兹奖”获得者引用。1956年,吴文俊与钱学森、华罗庚获得首届国家自然科学奖一等奖。次年,他成为当时最年轻的中国之一。

上世纪70年代,在计算机工厂劳动的吴文俊切身感受到计算机的巨大威力,意识到将数学与计算机结合起来的必要性。已年近六旬的吴文俊决定从头学习计算机语言,转而开创了崭新的数学机械化研究领域。他一头扎进机房,学习算法语言,编制算法程序。很快他就找到了中外古今数学的结合点:用中国传统数学思想方法,在计算机上实现几何定理的证明,进而推动数学机械化,建立机械化数学。这一理论后来被应用于多个高技术领域,解决了曲面拼接、机构设计、计算机视觉、机器人等高技术领域核心问题,成为当代数学发展中,一个引人瞩目的新里程碑。

青年时代的吴文俊

1977年,58岁的吴文俊已是中国科学院学部委员、国家自然科学奖一等奖获得者,拥有骄人的头衔和一般人难以企及的荣誉,可以说已功成名就,完全可以颐养天年了。然而,他以战斗的姿态在科学攀登路上再出发,开始了一个与他过去从事的研究完全不同的新领域──几何定理机器证明方面的研究。并在随后的数十年间,开创了一个既有浓郁中国特色又有强烈时代气息的数学领域──数学机械化。

1978年,吴文俊正式发表了他关于几何定理及其证明的第一篇论文,提出了几何定理机器证明的新方法。该方法是将要证明的几何问题代数化,并有一套高度机械化的、能够直接在计算机上有效运行的代数关系整理程序。这一方法是笛卡尔方案的继承,作为这一方法的关键算法——多元非线性代数方程组的消元程序,现在国际上就称为“吴方法”,利用这一方法不仅可以有效地证明初等几何的大部分定理,而且可以自动发现新的定理,微分几何中主要定理的证明也可以通过这一方法实现机械化。

2009年,90岁高龄的吴文俊开始研究世界级难题“大整数分解”。这是当今使用最为广泛的密码的安全性的数学基础。2010年,因他在数学领域的付出,经国际天文学联合会小天体命名会批准,第7683号小行星被永久命名为“吴文俊星”。

面对这些光环,吴文俊却从未有丝毫的骄傲,他说:“我不想当社会活动家,我是数学家、科学家,我最重要的工作是科研。我欠的‘债’,是科学上的‘债’,也是对党和国家的债。”

2017年,“吴文俊应用数学奖”设立,以此推动数学与其他学科交叉领域的发展。“我此刻可以算个老人了,走过了人生的90多年,好长好长的一条河道呀。讲述这些旧事,有点像一个顽童,顺着河水捡拾石子,左一个,右一个,色彩斑斓的,外形怪异的,或者普通得没有一点耀眼之处的,形形色色,各色各样……”吴文俊在回忆一生时如是说道。

THE END
1.原创初学者友好!最全算法学习资源汇总(附链接)6、五分钟学算法:算法与数据结构文章详细分类与整理! 项目介绍:该项目包含10个数据结构:数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树,以及10个算法:递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、https://mp.weixin.qq.com/s?__biz=MzI1MjQ2OTQ3Ng==&mid=2247510847&idx=1&sn=6179a7eaff2b057fb2b31a7fa389cf86&chksm=e9e1a2b4de962ba29512789ddeab07c706eceaf318899fa57201474abd133495372d8a19a536&scene=27
2.有哪些学习算法的网站推荐?牛客还包含程序员笔试面试题库、在线编程、招聘求职等内容,讨论区还有内推信息发布,在这里不仅能学算法https://www.zhihu.com/question/20368410/answer/2667018053
3.有哪些学习算法的网站推荐?推荐的讲解算法的网站、好博客: 讲解、代码格式、图表都很规范,覆盖广 Matrix67 的一些算法讲解类经典文章,平易近人 BYVoid 的博客,计算机科学标签 范浩强的博客 (曾经)的博客@顾昱洲 有口碑的稳定的在线题库: http://acm.timus.ru/** URAL http://uva.onlinejudge.org/** UVA http://acm.sgu.ru/index.https://www.jianshu.com/p/06ff13b234e3
4.推荐几个算法可视化网站,从此轻松学算法!@程序员大彬: 推荐几个算法可视化网站,从此轻松学算法! 大家好,我是大彬~ 很多初学者在学习数据结构与算法的时候,都会觉得很难,很大一部分是因为数据结构与算法本身比较抽象,不好理解。对于这一点,可以通过一些可视化动画来帮助理解。 下面大彬推荐几个学习数据结构和算法的可视化工具。 Data Structure Vihttps://m.nowcoder.com/feed/main/detail/6ecdab56f00b44bfacf3cb854929059e
5.腾讯实验室推荐一些优秀的算法学习网站在算法学习中,首先自己要找出自己的问题总是出在哪里? 最薄弱的环节是哪一个? 只有发现自身问题,知道如何学习去提升技能,最终才会学以致用。 接着聊 收藏| 数据分析师最常用的10个机器学习算法! 一张让你代码能力突飞猛进的速查表 信息熵、条件熵、联合熵、互信息、相对熵、交叉熵 https://dy.163.com/v2/article/detail/ELF75C9Q0519EA27.html
6.这些算法可视化网站助你轻松学算法腾讯云开发者社区这些算法可视化网站助你轻松学算法 前言 无疑,数据结构与算法学习最大的难点之一就是如何在脑中形象化其抽象的逻辑步骤。而图像在很多时候能够大大帮助我们理解其对应的抽象化的东西,而如果这个图像还是我们自己一点点画出来的,那么无疑这个印象是最深刻的了。没错,今天给大家分享的就是算法可视化的网站。https://cloud.tencent.com/developer/article/1462038
7.6个超酷的练习算法,学习编程的网站如果您已经编程了一段时间,想学习一种新的语言,学习一种新的思维方式,那就去运动吧! 总结 在本文中,我分享了6个超酷的网站来练习算法和学习编程! 我个人认为您不需要学习太多,如果想在面试之前进行练习,请访问Skilled / Hackerrank / Leetcode。 或者,如果您需要学习新的语言,请选择运动。https://news.51cto.com/art/202006/618315.htm
8.程序算法学习网站壹度技术Codeforces 是一家总部位于俄罗斯的竞赛编程网站,它会定期举办在线比赛,并且竞赛选手是世界上一些最优秀的程序员。他们的挑战通常需要用到高等数学和算法,如果你是一个编程新手,他们的挑战很可能对你来说难度比较大。 11https://www.codecademy.com/ 包含在线编程练习和课程视频 https://www.cnblogs.com/mverting/p/9071813.html
9.吴师兄学算法五分钟学算法吴师兄学算法(www.cxyxiaowu.com)提供许多数据结构与算法学习的基础知识, 涵盖 LeetCode 题解、剑指 Offer 题解、数据结构等内容。https://www.cxyxiaowu.com/
10.学习编程算法网站火山引擎是字节跳动旗下的云服务平台,将字节跳动快速发展过程中积累的增长方法、技术能力和应用工具开放给外部企业,提供云基础、视频与内容分发、数智平台VeDI、人工智能、开发与运维等服务,帮助企业在数字化升级中实现持续增长。本页核心内容:学习编程算法网站_凡科建https://www.volcengine.com/theme/1174833-X-7-1
11.算法网草根学python Python语言小册 Python 之旅 python进阶 python Requests官方文档 python从零开始学爬虫 python代码打包教程 python数据结构 python学习笔记 python与常用算法 数据结构 数据结构-时间复杂度 数据结构-空间复杂度 数据结构-链表 数据结构-队列 数据结构-散列表 http://ddrv.cn/
12.程序员自学网站整理大全(非常详细)零基础入门到精通,收藏这篇就够了12、五分钟学算法 地址: https://www.cxyxiaowu.com/ 简介:有一些非常不错的数据结构、算法相关的内容。 推荐指数:? 13、犬小哈教程网 地址: https://www.exception.site/ 简介:一些哈士奇的技术问答漫画很有意思。 推荐指数:? https://blog.csdn.net/Libra1313/article/details/143427307
13.Python机器学习基础教程它是统计学、人工智能和计算机科学交叉的研究领域,也被称为预测分析(predictive analytics)或统计学习(statistical learning)。近年来,机器学习方法已经应用到日常生活的方方面面。从自动推荐看什么电影、点什么食物、买什么商品,到个性化的在线电台和从照片中识别好友,许多现代化网站和设备的核心都是机器学习算法。当你https://www.ituring.com.cn/book/tupubarticle/19667
14.全网最全程序员学习网站汇总,还不赶快收藏地址: 五分钟学算法 简介:有少量非常不错的数据结构、算法相关的内容。 推荐指数:? 13、犬小哈教程网 地址: 犬小哈教程网 简介:少量哈士奇的技术问答漫画很有意思。 推荐指数:? 15、原创技术大联盟 地址: 原创技术大联盟 简介:优秀的技术博主实在太多了,列不完,也看不完,这里有一个导航页https://www.songma.com/news/txtlist_i66992v.html
15.大数据基础术语精粹来袭由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测模型,他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度,使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。http://www.mudan.gov.cn/2c908084831c4eb30183205259ac001f/2c908084831c4eb3018320df837d0020/1669185201282129920.html
16.Python机器学习10大经典算法的讲解和示例python为了展示10个经典的机器学习算法的最简例子,我将为每个算法编写一个小的示例代码。这些算法将包括线性回归、逻辑回归、K-最近邻(KNN)、支持向量机(SVM)、决策树、随机森林、朴素贝叶斯、K-均值聚类、主成分分析(PCA)、和梯度提升(Gradient Boosting)。我将使用常见的机器学习库,如 scikit-learn,numpy 和 pandas 来https://www.jb51.net/python/322045198.htm
17.常见用户行为分析模型解析MySecretRainbow预测用户分群——通过机器学习算法预测事件概率 互联网金融产品常常会用到预测用户分群的功能。互联网金融客户按照风险投资偏好这一属性分为保守、稳健和激进,按照投资行为可分为已投资和未投资。 运营人员可以根据这一属性和行为将满足某种条件的用户群体提取出来,譬如激进型但未投资的这群用户,然后分析这一群体的行为特http://www.mysecretrainbow.com/blog/12611.html
18.机器人运动学逆解算法工业机器人机器人运动学逆解问题随着运动学链系的复杂性而增加,寻求建立通用算法相当困难。主要的求解方法包括:解析法、几何法、迭代法、几何解析组合算法以及符号与数值算法等。自20世纪80年代以来,6R机器人的逆运动学问题一直是机器人领域专家和学者密切关注的难题.Tsai和Morgan运用高维逼近方法得到八个二次方程,推测除不同结构https://www.imrobotic.com/news/detail/4879
19.力扣(LeetCode)全球极客挚爱的技术成长平台海量技术面试题库,拥有算法、数据结构、系统设计等 1000+题目,帮助你高效提升编程技能,轻松拿下世界 IT 名企 Dream Offer。https://leetcode-cn.com/
20.支持C++,Java,Python,Go,JavaScript等多语言版本,从此算法学习介绍 :本项目是一套完整的刷题计划,旨在帮助大家少走弯路,循序渐进学算法,关注作者 正式出版:《代码随想录》。 PDF版本:「代码随想录」算法精讲 PDF 版本。 算法公开课:《代码随想录》算法视频公开课。 最强八股文:代码随想录知识星球精华PDF。 刷题顺序:README已经将刷题顺序排好了,按照顺序一道一道刷就可以。https://portrait.gitee.com/programmercarl/leetcode-master
21.融合用户属性信息的冷启动推荐算法AET最常见的协同过滤算法是KNN[13]。协同过滤最大的困难在于需要大量的用户历史数据,对于新用户而言,缺乏历史数据使得系统难以计算他和其余用户的相似性,难以定位用户的兴趣与需求,从而降低了为新用户推荐的准确性——这个问题被称作冷启动(cold start)问题。http://www.chinaaet.com/article/3000073409