用邻居的无线信号,有时很弱,有什么办法可以加强吗? - 未名空间MITBBS历史存档

国际科技财经博客移民网络热点娱乐民生时事公众号

Redian新闻

>未名空间

>EmergingNetworking - 热门网络技术

用邻居的无线信号,有时很弱,有什么办法可以加强吗?

用邻居的无线信号,有时很弱,有什么办法可以加强吗?# EmergingNetworking - 热门网络技术

f*a2010-06-26 07:06

1 楼

边读英语原文，再对照中文译本，不仅可以避免刚上来很多新词带来的理解上
的困难，同时可以吸收很多有趣的表达方式。有些作品还有电影之类的资料，都有利于
理解原文。这里要避免在英语和汉语的字词之间，寻求完全的一一的对应关系。这种关
系仅存在于新兴事物的命名上。打开一本汉英或是英汉字典，更多的情况是一个词在另
一个语言里会代表很多的意思。这种语言上的差异导致作者的原意，在另一种语言中，
要通过复杂的语境的构造后，才能准确地表述出来。遗憾的很多时候，这种表述抵消了
作者的行文时的流畅。有些词汇需要背景知识，根本无法直接表述，原意也就流失掉了
。如何准确的表达语境，减少损失，这是翻译工作者最大的挑战。
阅读英语作品时一本好的字典是不可缺少的。类似于好译通和文曲星的电子字典也
行。我们刚开始时，离不开手的一定是一本英汉字典。但随着词汇量的积累，到后面一
定要开始使用英英字典。只有英语才能把英语解释清楚。何时要放弃英汉字典，使用英
英字典，我会在后面有所提及。
上面提到的是文学作品。生活中还有很多资源可以开发。你能想到的任何用汉语写
的东西，几乎都会有相对应的英语版本。英

j*n2010-06-26 07:06

2 楼

看白天没看懂这个 distribution over function 是怎么出来的。

e*s2010-06-26 07:06

3 楼

用邻居的无线信号,有时很弱,有什么办法可以加强吗?
谢谢

p*o2010-06-26 07:06

4 楼

俺不喜欢翻字典，不认识的字往往跳过去，导致词汇量增加很慢

【在 f*******a 的大作中提到】

: 边读英语原文，再对照中文译本，不仅可以避免刚上来很多新词带来的理解上
: 的困难，同时可以吸收很多有趣的表达方式。有些作品还有电影之类的资料，都有利于
: 理解原文。这里要避免在英语和汉语的字词之间，寻求完全的一一的对应关系。这种关
: 系仅存在于新兴事物的命名上。打开一本汉英或是英汉字典，更多的情况是一个词在另
: 一个语言里会代表很多的意思。这种语言上的差异导致作者的原意，在另一种语言中，
: 要通过复杂的语境的构造后，才能准确地表述出来。遗憾的很多时候，这种表述抵消了
: 作者的行文时的流畅。有些词汇需要背景知识，根本无法直接表述，原意也就流失掉了
: 。如何准确的表达语境，减少损失，这是翻译工作者最大的挑战。
: 阅读英语作品时一本好的字典是不可缺少的。类似于好译通和文曲星的电子字典也
: 行。我们刚开始时，离不开手的一定是一本英汉字典。但随着词汇量的积累，到后面一

s*e2010-06-26 07:06

5 楼

看Carl的这本书，讲的很仔细。
http://www.gaussianprocess.org/gpml/
简单的来说就是个stochastic process, assuming a
GP prior.
一般的算法是假设input x是normal distribution,
GP是假设function space f(x)是normal distribution.
对于regression来说，因为y的值是连续的，所以
likelihood function p(y|f(x))也可以表示为Gaussian
的形式，这样一来posterior p(y|x) = \int p(y|f(x)) p(f|x)
就也是guassian的了，due to conjugation.
Classification的情况复杂一些，需要一个 multi-logic
function来转换p(y|f(x)).
Christ Bishop的书也写得很浅显易懂。

【在 j*****n 的大作中提到】

: 看白天没看懂这个 distribution over function 是怎么出来的。

e*w2010-06-26 07:06

6 楼

太猥琐了

【在 e******s 的大作中提到】

: 用邻居的无线信号,有时很弱,有什么办法可以加强吗?
: 谢谢

n*g2010-06-26 07:06

7 楼

all good suggestions! OP go on!

j*n2010-06-26 07:06

8 楼

哦。我就是在看carl那本书。
我想解决一个问题，给了n个training 函数,有没有可能估计出这些函数的分布，然后
我有一个新的函数，我想算一下这个函数出现的概率。这个应该就是distribution
over function吧。
GP可以解决这个问题么？如果我已知这些函数都是gaussian mixture的话。

【在 s******e 的大作中提到】

: 看Carl的这本书，讲的很仔细。
: http://www.gaussianprocess.org/gpml/
: 简单的来说就是个stochastic process, assuming a
: GP prior.
: 一般的算法是假设input x是normal distribution,
: GP是假设function space f(x)是normal distribution.
: 对于regression来说，因为y的值是连续的，所以
: likelihood function p(y|f(x))也可以表示为Gaussian
: 的形式，这样一来posterior p(y|x) = \int p(y|f(x)) p(f|x)
: 就也是guassian的了，due to conjugation.

s*92010-06-26 07:06

9 楼

哈哈，去买个UNIVERAL 的REPEATER加强信号吧！

s*e2010-06-26 07:06

10 楼

什么叫n个training函数啊，GP对所有点用的是同样的函数。
distribution over function是说the value forms a normal
distribution。

【在 j*****n 的大作中提到】

:
: 哦。我就是在看carl那本书。
: 我想解决一个问题，给了n个training 函数,有没有可能估计出这些函数的分布，然后
: 我有一个新的函数，我想算一下这个函数出现的概率。这个应该就是distribution
: over function吧。
: GP可以解决这个问题么？如果我已知这些函数都是gaussian mixture的话。

j*n2010-06-26 07:06

11 楼

就是说 f1(x),f2(x),....fn(x) x都是定义在(0,1)之间的。
我要求p(g(x)|f1(x),f2(x),...,fn(x)).
这个是distribution over function吗。我觉得可以理解成infinite number的joint
distribution

【在 s******e 的大作中提到】

: 什么叫n个training函数啊，GP对所有点用的是同样的函数。
: distribution over function是说the value forms a normal
: distribution。

s*e2010-06-26 07:06

12 楼

g(x)如果是已知的那这个就是likelihood function.

【在 j*****n 的大作中提到】

:
: 就是说 f1(x),f2(x),....fn(x) x都是定义在(0,1)之间的。
: 我要求p(g(x)|f1(x),f2(x),...,fn(x)).
: 这个是distribution over function吗。我觉得可以理解成infinite number的joint
: distribution

K*n2010-06-26 07:06

13 楼

GP framework里面并没有你列出来的这种"distribution over function"，如果你是指
在parameter或者hyperparameter的domain里面做bayesian来估算分布的话，不一定要
GP。
我觉得单纯的GP无助于这个问题，它就是一种比较灵活的方程，参数多或者都
nonparametric了。我理解distribution over function就是说它是一个
hyperparameter有概率的nonparametric的 regression/classification model

【在 j*****n 的大作中提到】