第五十一章 我当然会为我的话负责(2/3)
说了个对于‘在线算法-正则化双重平均算法’的研究，内容听起来有点意思，但只是研究有了一定进展，很难吸引在场学者的眼球。二十分钟，报告结束。
会场里有些人礼貌的鼓掌，但多数掌声都来自前排，来自会议的举办方、评审、特邀专家，后排的学者们连象征性鼓掌都没有。
他们对于‘不感兴趣’、‘没多大意义’的研究，不大喊一声‘下去’、‘下去’，都已经很有礼貌了。
这就是真实的学术会议。
有实力才能赢得掌声，没实力就干脆别上去，学者们可不懂‘虚情假意的客套’。
王浩对于第一个报告也听了几耳朵，发现对自己没什么帮助，而且研发进展也很小，没有比较出彩的地方，就和其他人一样，也没什么兴趣了。
等到了第二个报告的时候，他就非常专注的耐心听了，甚至还用了一个‘教学币’。
其他人也同样很认真的听。
第一个报告等同于‘做个开场’，第二个报告、第三个报告则都是比较重要的，是会场评审方认为是有‘重大意义’的研究。
好多不需要作报告的学者，来参加会议的目的，也是听取有重大意义的研究，专业性的顶级会议，也是涨见识、学东西的地方，新的研究方向、新的内容，可以让学者们知道其他人在研究什么，是怎么样完成的研究，就能够开拓思考，找到与自己研发有关的灵感和方向。
王浩最看重三个报告，今天的第二场、第三场，还有明天上午第三场，也就是沙勉之和王明坤一起的研究。
现在进行的第二场，是一个牛津大学教授做的研究，是对于梯度下降算法计算复杂度的理论研究。
这是非常罕见的。
在应用研究的很多方面都依赖于一种名为‘梯度下降’的算法，是一个求解某个数学函数最大/最小值的过程，从计算产品的最佳生产方式，到工人轮班的最佳安排方法，‘梯度下降’算法都能派上用场。
但是相对于多方向的应用来说，相关理论研究却稀少的可怜。
这位作报告的牛津大学教授，从‘梯度下降算法在许多常见问题上效果不佳’，以及‘梯度下降的很多工作都没有涉及复杂性理论’两个方向，以数学计算机的方式，研究各类情况问题中的交集问题，从而对于梯度下降算法进行了理论论证。
王浩听得津津有味，论证中清晰的逻辑剖析，让他感觉对于逻辑论证的把握都更清晰了。
另一个反应就是--
【任务二，灵感值+1。】
听取了全程的报告，直接带来了‘任务二’一点灵感值收获，明显收获是很巨大的。
虽然只有一点灵感值，但要知道，‘任务二’是破解上帝之数，难度是A级别的，只是增加一点灵感值，也许会是很重要的提升。
牛津大学教授的报告获得了一致赞叹，完成的时候收获了一致的掌声。
沙勉之坐在了王浩的旁边，忍不住感叹道，“看来，想拿个最佳不容易啊！”他对自己的研究有信心，但要说压制刚才的报告可不好说，还是要看会议评审组的看法。
下面就是第三场。
会议第一天的第二场、第三场都可以说是压轴，有了刚才的精彩报告，好多人也期待其了第三场，上场的是来自芬蘭赫尔辛基大学的西弥斯-戈尔利克斯，以及他的同事阿尔马洛夫。
报告的名称则是‘快速而准确的最小均方求解’，内容是对于最小均方算法，也就是LMS算法的改进。
西弥斯-戈尔利克斯上台以后，就骄傲的宣布，“我们找到了一种最为快速、最为准确的最小均方求解方法，这种方法可以让计算复杂度降低两个数量级以上，并且不会损失精度和改善的数值稳定性。”
这句话说出来立刻引起会场一片哗然。
最小均方求解是许多机器学习算法的核心，能够让计算复杂度降低两个以上数量级，可不是开玩笑的，那已经不是改善，而是‘跨越式的进