Maya nParticle简单脚本实现粒子堆叠

想要用一个一包糖粒堆在物体(对又是它..)上的片段,发现Maya的nParticle只计算粒子和Rigid body的摩擦力不计算粒子和粒子间的摩擦力(想来是算法复杂度太高了),所以不管怎么搞最终都会摊成大烧饼,并且还会不停的抽搐.. 查了下大概有两个相对简单的方法
Read More

Geotrack test footage 20120822_headcrab


局部地区看不到请点 渣豆链接

PFTrack随便弄张人脸的model摁上去track一下,10分钟就弄出上面这个,好方便。粗糙点没怎么调,“观众能吃粗粮”。
感觉对于模糊一下再偏点位置造的假影子来说.. 这个效果令人过于满意了。
技术前期又完成一个,还有我看看.. 58个events? ಠ_ಠ

微小说0

房间里渐渐热了起来,贴身的衣服里已经有了一丝汗水蒸发带来的潮气,这家旅馆的供热显然过于厚道了。

按了两下空调遥控器,没有反应。我起身向房门走去,房东就在上面二楼。 Read More

[指南] 怎样将Team Fortress 2/Source游戏中的模型导入到3ds Max中

实在是太想用Sentry Gun,折腾了七八个小时终于搞定了, 本文教你怎样通过繁复..的步骤最终达到如图的效果:

中间绕的弯路不谈, 说下过程,可能啰嗦点,因为此文不只是写给你看的,也是我自己为了记录…实在不想万一忘掉还要重新摸索。(4个月后的update:这种技术果然一辈子只会用一次
这个帖子总结的也很好。

用到的软件:

上面那篇文章里还提到了个解压VPK的工具,可能是因为隔的时间比较久现在不这么压缩了,我是没用到。

提取和反编译MDL文件

MDL就是游戏中使用的模型文件,是编译成ANSI码存放的(大概是读取速度的原因)。找到你游戏所在的gcf(盗版可能就没有gcf吧,直接放目录里?不太清楚),用GCFScape打开,如果你不知道模型在哪/该用什么模型,建议下载Source SDK用自带的“Module Viewer”到处看看。Module Viewer不会告诉你它打开的是哪个gcf文件,因为(我仔细看了下大概是这样)Viewer展示的是所有gcf的汇总。所以在Viewer里确定目标以后再找还略略麻烦点,Sentry Gun的模型在team fortress 2 materials.gcf里的 \tf\models\buildables\sentry1.mdl ,把同目录下所有以 <sentry1.> 打头的文件提出来,再用MDLDecompiler选取mdl反编译成零部件,这种反编译好方便,按下按钮就搞定了… 骗你的,肯定会出现各种各样的错误,请参见这个贴子这个贴子这个贴子

完成后得到一堆SMD文件,其中最大的那个是我们要的,其他的是一些动画什么,还没看,也可以导入的。

导入3ds Max

用上面的3ds .SMD Importer就好了,要注意的是在我写此文的时候,2012版本的(至少是64位)不能用,我装了个2010导入再导出给2012。虽然wunderboy.org写的插件2012可用,但是我没法导入材质,官网上说暂时不能导入动画但是骨头和材质都行,我不知道。

点导入会提示选材质,这个材质在哪里呢… 用Wunderboy.org提供的Source MDL Texture Info可以方便的找到路径,把材质文件(vtf格式)提出来和模型放一起,再下载上面的3ds Max用来读取vtf的插件,就ok了~ 🙂

3dMax,时间,记忆与灵魂

这几天一直在学3dMax(现在改名叫3ds Max了,只感觉比原来拗口多了),一天十几个小时对着youtube教程,英语越听越像第一语言,天昏地暗。一块未定距离标准的矢量土地上生长着光影与材质,多面体和笛卡尔坐标系像狗屎一样毫无征兆的出现在这个不遵守能量守恒的世界里。

矢量的土地上不存在限制,宇宙的细节在这里无穷蔓延,精致的场景模型工程浩大,肉眼分不出真假,比任何一款第一人称射击游戏都真实,比踩到狗屎的柔软都真实。神在细节间,玩深了,持续猫着键盘5个小时以上忘了歇眼睛,我就能看到上帝程序员和佛祖程序员在我后上方45度加班编辑着<地球Online>。恍惚中喵到胳膊上的汗毛随着空调飞舞,意识到这是一副肉体。目睹动脉在臂弯跳动,目睹四肢遵从我的意志变换位置,想到灵魂不能永存,更加难以接受。

也许可以吧,曾经读到,现在神经生物学的进展已经远远超过了一般人了解的程度,在高层原则上的认识已经相当完备了,剩下的工作基本是补充细节。当然,说到细节… 难以想象在有生之年人类的科技树能发展到“备份整个大脑”那么高。所以,我大概可以在赚到本钱以后把自己冻起来?那我应该是第一批这么干的地球人,将来的大脑袋地球人选实验体的时候应该会对较古老的身体更感兴趣,当然保存条件要尽量完美,越到后来冻结人体的技术越高,但是相对的我等待科技发展的过程中身体机能也会下降,这会是获得大脑袋地球人青睐的不利条件,所以需要建立数学模型寻求各种最佳方案吧…

可是记忆保存下来灵魂(我这里指自我意识)就随之保存了么?如果千万年以后我的记忆得以复制的同时肉体被摒弃,而后“我”的机器人会是现在的我么?它/他/我肯定觉得就是我,因为具有我的记忆,记得他自己曾经在这里打字。但如果与此同时现在的我并没有在那里呢?记忆得以延续而灵魂不复?记忆和灵魂的关系是怎样的?(平行宇宙你走开…不关你的事。)

所以我现在的意识是会在进冰棺材之后眼前一黑再一亮到达大脑袋世界,还是说眼前一黑从此归入缥缈?

想来想去,我只能给自己一个相对说得通的答案:灵魂并不存在。所谓意识,只是人脑800亿个神经元的活动而已,记忆是冲动在神经间的回路(这个不太清楚,好像长期记忆是与神经结构的变化有关),分析和思考由脑前额叶策划,爱情是大量多巴胺作用的结果。时间在我们的宇宙中是线性的,记忆的形成过程也必然是线性的,但自我意识是连续的吗?自我意识谈不上连续,因为它不是一个过程,而只是大脑整体功能的一个投影,这些投影以脑的状态和记忆互相连接,从而感觉上是连续的,就像电影,看上去很生动,实际上只是胶片,24帧每秒。

这一秒和下一秒的我是不是同一个我?你你你,根本没有你,不用无谓的看不透生死了。

————-我是分割线————–

以上自己一些小想法,没怎么看过这方面的书… 提到脑前额叶的时候顺手搜了点资料看,觉得解释非常靠谱,理解了为何pongba牛会推荐神经学的书了,腾出空来一定看。

[METAL] 能量金属Rhythm

第一次录音,开心~:)
视频先放优酷的…音质太渣了
面瘫是因为NG太多次麻木了…

吉他 Cort X6,换了拾音器 EMG81/85,双摇改单摇 (焊了几个硬币在里面…现在使用很稳定)
效果器 Line6 UX1
To those who are interested in my equipments:
Cort X6 replaced with two EMG 81/85 pick-ups
Effects is Line6 UX1

Happy Viaxl Day!

我的函数白送你们~(破裂光环!)

– (x/(R*2)-1.2)^2 * (y/R-1)^3 + [ (x/(2*R)-1.2)^2 + (y/R-1)^-1 ]^3
R是大致半径, 这里是13..

这破烂代码有人要么, 在自习室学用VIM写的, 好恶心啊.. 还是没Emacs舒服
纯用iPad完成, 关于如果用iPad GCC, 点我的这篇文章

Read More

[烹饪] 20101228煎Filet牛排实验报告

器材: 普通平底锅, 木质铲子, 菜夹子..
原料: 略微腌制的Filet牛排 (以下简称单元) (大误..), 厚度目测薄处1cm 厚处1.2~1.3cm, 两块, 分两次记录数据
黑椒蘑菇汁, 总统牌黄油
目的: 对加热时间与熟度关系的数据记录
预备: 色拉油(橄榄油已耗尽..)抹锅底防止粘锅, 黄油10克每份共两份,
条件: 煎肉油温一直保持130度

第一次实验:

放入牛排, 加热20秒翻面, 目的是锁住肉汁.
继续加热20秒, 放入一份黄油, 牛排盖住黄油加速融化.
黄油融化后加热40秒, 其间保持一定频率的搅动, 使牛排始终能与黄油有充分的接触 (否则会焦..)
翻面加热20秒取出, 放入黑椒汁与肉汁搅动加热, 温度100度, 达到温度后立即取出浇上去防止水分流失

牛排情况: 切面两边靠边部分褐色, 中间为深桃红, 引用wiki百科(Steak)

Raw — Uncooked. Used in dishes like steak tartare, Carpaccio, gored gored, tiger meat and kitfo.
Seared, Blue rare or very rare — Cooked very quickly; the outside is seared, but the inside is usually cool and barely cooked. The steak will be red on the inside and barely warmed. Sometimes asked for as “blood rare” or “bloody as hell”. In the United States, this is also sometimes referred to as ‘Black and Blue’ or ‘Pittsburgh Rare’. It is common for chefs to place the steak in an oven to warm the inside of the steak. This method generally means ‘blue’ steaks take longer to cook than any other degrees.
Rare — (52 °C [125 °F] core temperature) The outside is gray-brown, and the middle of the steak is red and slightly warm.
Medium rare — (55 °C [130 °F] core temperature) The steak will have a fully red, warm center. This is the standard degree of cooking at most steakhouses, unless specified otherwise.
Medium — (60 °C [140 °F] core temperature) The middle of the steak is hot and red with pink surrounding the center. The outside is gray-brown.
Medium well done — (65 °C [150 °F] core temperature) The meat is light pink surrounding the center.
Well done — (71 °C [160 °F] and above core temperature) The meat is gray-brown throughout and slightly charred.
Overcook — (much more than 71 °C [160 °F] core temperature) The meat is dark throughout and slightly bitter.
无法准确判定, 可能是牛排太薄的原因. 不准确判定牛排薄处为3分熟(Medium rare),  厚处低于3分熟, 因为牛排太薄所以厚薄处差距较大.
厚处嚼不动又将剩下部分放进锅里加热, 40秒后翻面加热20秒, 判定为5分熟(Medium)左右. (手机没电了缺乏图片记录并且我也忘了可以留点样品下来抱歉.. 全吃了)

第二次实验

放入牛排加热20秒翻面加热20秒, 放黄油 (与第一次相同)
加热70秒翻面, 发现边上微焦并且翘起, 推测是中心比两边温度高引起的变形, 也有可能牛排不够厚没法稳住, 解决方法猜测 1. 用厚点的牛排试试 2. 用刀划一些网格阻断表面拉力的传播
看情况决定继续加热30秒(已翻面)

牛排情况: 大概七分熟(Medium Well down)或略低, 薄处接近全熟(Well down), 感觉还是”因为牛排太薄所以厚薄处差距较大”

结论

太薄了不行, 下次买3cm的试试, 我看youtube人家弄都有一块Filet简直就是长方体的.. 口感来说3分到7分都不错, 太熟完全不好吃..再往下嚼不动了

<算法导论>作者给我回信了..

我自以为发现了书上的一个bug.. 然后email过去.. 然后上帝给我回邮件说这是不对的…
第一封email后20分钟我就发现自己错了又mail过去说明了一下, 但显然上帝没看到..
在短暂的羞愧难当后感觉如沐春风, 体验了下大师风范阿, 严谨&&谦虚&&友善

Bug report <Introduce to Algorithms>
2 messages


Xiaodi Zhu <x@axlarts.com> Sun, Sep 26, 2010 at 4:51 AM

To: clrs-bugs@mit.edu

I’m using 2nd edition but I can’t check if this exist in 3rd(not in bug list of 3rd) so anyway..

page 631

inside Π(5), the first line

NIL 3 4 5 1

has “3” updated from “1” in Π(4), which should have been done in Π(3)


Thomas H. Cormen <thc@cs.dartmouth.edu> Sun, Sep 26, 2010 at 10:47 AM

To: Xiaodi Zhu <x@axlarts.com>
Cc: clrs-bugs@mit.edu

[Quoted text hidden]

Thank you for your bug report, but it is incorrect.  You claim that pi^{(3)}_{12} should be 3.  We have that d^{(2)}_{12} = 3, d^{(2)}_{13} = 8, and d^{(2)}_{32} = 4.  Therefore, d^{(2)}_{12} < d^{(2)}_{13} + d^{(2)}_{32}, and so pi^{(3)}_{12} should equal pi^{(2)}_{12}, which is 1.

I just coded this algorithm up myself, and I ran it on the inputs in Figure 25.4.  The output agrees entirely with the values in the figure.

Tom Cormen
Professor and Chair
Dartmouth College Department of Computer Science
http://www.cs.dartmouth.edu/~thc/


该邮件已被我打印两份, 贴墙上&&拿出去炫耀

这辈子就靠这几个笑话活了 转

有一个犯人被执行枪决,因子弹是造假厂生产的,第一枪没打出去,

第二枪也没打出去,接着第三枪第四枪… 那个犯人哭了说:“大哥,你掐死我吧 ,这太他妈的吓人了。”

小白兔一大早就高高兴兴的出门了,走着走着遇到了大灰狼,大灰狼一把抓住小白兔 啪啪!抽了它两个大嘴巴,然后说:“我叫你不带帽子!”
第二天,小白兔戴上帽子又出门了,走着走着又遇见了大灰狼,大灰狼又一把抓过小白兔 啪啪!抽了它两个大嘴巴:“我让你带帽子!”
小白兔非常郁闷,就跑到老虎那里去投诉大灰狼,老虎听了小白兔的投诉说,你放心好了,我会帮助你的。
老虎找来了大灰狼对他说:“老狼,咱俩是多年的好朋友了,今天上午小白兔来投诉你,说你没事找事老是欺负它,你看你能不能换个理由揍它,比如你可以说 ‘兔子,你去给我找块肉来 !’要是它找来肥的你就说你要瘦的,要是它找来瘦的你就说你要肥的,这样你不就又可以揍它了吗?要不你就让它帮你找母兔子,它要找了丰满的你就说你喜欢苗 条的,它要找了苗条的你就说你喜欢丰满的!”老狼听了以后十分高兴,连夸老虎聪明。可是他们的对话却被在房子外面锄草的小白兔听见了,小白兔十分生气!
第三天,小白兔又出门了,又在半路上遇见大灰狼,大灰狼说:“兔子,你去给我找块肉来!”
小白兔说:“你要肥的还是瘦的。”
大灰狼皱了皱眉头,笑了笑心想,还好还有第二招:“算了算了,不要肉了,你去给我找个母兔子来。”
小白兔说:“你喜欢丰满的,还是喜欢苗条的?”
大灰狼愣了一下, 啪啪抽了它两个大嘴巴“我叫你不带帽子!”

中午和宿舍一兄弟到食堂吃饭,发现旁边餐桌有位低胸劲爆、身材火辣的MM!
我不由得多看了几眼,然后压低声音对兄弟说:“考你道常识题,世界上最大的大象有多重? A:1吨;B:2吨;C:3吨;D:4吨;E:5吨;F:6吨。”
他想了一会,然后皱着眉说:“好像是C吧?”
我小声告诉他:“错,是F~”
他一听立刻高声反驳道:“我日!哪有那么大啊!!”
这时,那个MM突然起身,冲我们骂了句:“无聊!色狼!!”
然后转身走了……

古 代,如果想知道一个山洞有多深,一般都会往里面投石头,然后根据声音估计洞有多深。这天,一人在山上闲逛,发现有个山洞,他就开始琢磨这洞有多深,恰巧他 身边有块巨石,于是他就找来一根木棍利用杠杆原理把石头弄进去。碰!!碰!碰…,说时迟,那时快,只见一头牛发疯地飞奔过来,并一下子跳进了山洞!这人就 坐在洞边苦思不得其解。
不一会儿,一农夫过来问:“小伙子,看没看到我的牛?”
“看见了,但牛自己跳山洞里啦!”
“怎么可能呢?俺将俺的牛栓在一块大石头上啊!”

有 个人去电影院看电影.他的票是1楼的位置,等他找到自己的位置时,看见一个壮汗横7竖8的躺在他的位置上.而且占了好几个位置.这个看电影得人就说:兄 弟,你躺在我的位置上了,麻烦让下好不好?躺着的这人却理都不理.看电影得人又说了:兄弟,你知道我是混哪里的吗?这么横?躺着的人还是没有反映.看电影 的人又说了:你是那里的,这么狂啊!啊!这时躺着得人好象嘴里嘟囔着什么,看电影得人凑过去仔细一听,躺者的那位老兄这么说的:我...我...我是从二 楼摔下来的...

一只兔子和一只超级快乌龟赛跑,谁赢了?

正解:超级快乌龟,因为他是超级快乌龟!!!!

一只兔子和一只带墨镜的乌龟赛跑,谁赢了??
正解:带墨镜的乌龟,因为...............
乌龟把墨镜一摘,还是那个超级快乌龟

某饭店养只鹦鹉挂在门口,有客到就说:“你好欢迎光临!”一常客想:我快点进看你有何反应,一天他噌的就跑进去了,鹦鹉说:“妈个比,吓我一跳!”

话 说英国情报局,美国FBI,中国公共安全专家一起进行岗位大练兵,参赛队伍都必须完成一个相同的任务:那就是把一只兔子放进森林里,哪个参赛队伍最先找到 这只兔子谁就获胜。首先英国情报局先进入森林,他们在森林里安插了无数的摄像头,且布置了各种陷阱想要抓住这只兔子,但一个星期过去了,还是没有发现兔子 的身影,他们只有宣告失败。FBI则动用了大量的人力进入森林里搜查,然而搜寻了5天还是没有发现兔子,他们便一气之下把整个森林给烧了,当然兔子也给烧 死了,也算失败。要说最牛的还是中国公共安全专家,进入森林没有半小时就出来了,还抓了一只被揍得鼻青脸肿的熊,那只熊拼命的点头,且不停的说:我是兔 子,我是兔子~~~

曼妥斯+可乐=喷泉 『沸腾可乐』

试验http://www.6rooms.com/watch/202090.html
(视频说明:两个实验人员,将曼妥斯放到可乐里就会发生井喷反应。所以千万不要同时吃这两种东西,免得你的肚子被撑破。你有兴趣可以买这两样东西自己实验下瞧瞧这个井喷威力有多大,也许你自己试过了才会相信。)

真人自虐http://www.6rooms.com/watch/76602.html

“沸腾可乐”的由来 “沸腾可乐”的游戏源于网络,一名外国壮汉一口气吃下14颗薄荷口香糖后喝可乐,接着大量可乐从他的嘴角喷了出来,壮汉倒在地上痛苦万分。接下来,这个的游戏就被玩家们看成了勇敢人的游戏,尤其是在各个高校中非常流行,大家会比较每个人坚持的时间,时间长的就是胜者。当然,时间越长就越难受,所以对于男孩子来说,这样的游戏非常具有挑战性。
专家称沸腾可乐游戏可能致命 这个由国外玩家发明的新游戏已经传到了我们一些高校里,很多大学生都是这个游戏的拥蹙者。很多玩家少量服用这种带有薄荷的可乐后,一开始并未反应,但过了2、3分钟后,胃部就会产生胀痛感,并且无法打嗝。等5、6分钟后人才能慢慢恢复,但没有谁敢一次性喝下大瓶“沸腾可乐”。而之前网络上也曾经盛传有巴西男孩同时吃下曼妥思糖与可口可乐而丧命。

这个由国外玩家发明的新游戏已经传到了我们一些高校里,很多大学生都是这个游戏的拥蹙者。很多玩家少量服用这种带有薄荷的可乐后,一开始并未反应,但过了2、3分钟后,胃部就会产生胀痛感,并且无法打嗝。等5、6分钟后人才能慢慢恢复,但没有谁敢一次性喝下大瓶“沸腾可乐”。而之前网络上也曾经盛传有巴西男孩同时吃下曼妥思糖与可口可乐而丧命。  因为可乐和薄荷这两种物质混合会发生剧烈反应,产生出气体通过胃部贲门排放,但如果胃部在瞬间出现大量气体,则有可能使胃部剧烈膨胀,导致胃部受损,专家警告称,这样的游戏可能导致胃“贲门”撕裂并因此送命。
<可口可乐(中国)公司的澄清声明>不厚道 完全否认事实

我们吃糖的时候绝对不会出现这种现象,因为人吃糖的时候,把糖放在嘴里,通过咀嚼和唾液作用,糖表面马上会被破坏,也就是所谓的产生大量泡沫的这种渗透作用是不会在现实中共同食用这两种食物的时候产生的。我们做实验的时候会看到这种现象,但是这种现象和现实中吃这两种东西是完全不同的概念

这个现象是真实的 并且你可以试试

曼妥斯糖是什么? 乡下地方没的卖 但是有可乐
大概可以用其他的薄荷糖代替?

好马 劣马

本文的妙处在于 读到一半,突然变成了文言文!

好马 劣马

从前有一头好马,它为什么,被称为好马呢,因为它快,劣马,固然是慢的。
当我们遇上一头好马,就如同,遇上了一次机遇,把握机遇,就如同驾驭好马。好马虽快,但其性情刚烈,难以驾驭,须鞭之以善驾之人,就好比是,生活中善于把握机遇之人,才能杰出,但其迹鲜彰,百世之遇。况且,好马亦奔驰于草井之中,固难以求。
易求者,乃劣马也。劣马易求,如俯首执拾,但劣马固劣,其形佝偻,其速逡巡。虽以为易求者,但,见之不理,遇之不驾,实为悲哉呼!
劣马之劣,固然也。然则欲求好马,路曼曼而见者鲜。其业之难,功之远,非世人所堪。须得以劳筋骨,饿体肤,然后力之所及,智之所至。何以至此,庶民百万,联袂成阴;布衣群聚,挥汗成雨。其之力智所及者,区区可数。
欲求好马,劣马之须,余等愚者,尚明此理,尔等庠序之尊者,履至台而授之业,胡以勿失?

开学了

转贴 旧车经济学

原文http://blog.cathayan.org/item/1372

有个地方人们都骑自行车代步,这东西既健康又环保,虽然这个地方人们骑得实际上也是臭汗淋漓,但友邦人士都很是夸赞,于是在骑车时也平添了几分勇气。

但自行车一重要,就容易丢,以至于骑车的人100%都丢过车,有些人甚至创下了在1个月内丢4辆车的惊人世界纪录。丢得多了,人们就不想买新车,就都买旧车,于是旧车买卖日益兴隆,不但自己骑几年的旧车很快就能卖出去,就是来历不明的旧车也不愁出手。

然后人们早上起来,跑到楼下或车棚一看,找不着自己的破车,也不气恼,心里暗骂一句,就出去到某个地方,交出去百十块钱,就再领一辆破车回来。有时去的时候正碰上自己那辆,就同贩子打一通嘴仗,然后打个折扣只要20/30块就拿回来了,心里不免得意一番。

后来专门造自行车的厂家也学会了,专门造破自行车,他们去收废品的地方,认真学习了车子变旧后的样子以及特性,研究出了破旧漆,车床上也进行了调整,专门加工破零件,车轮出厂时就有端面跳动,从后面看,骑起来能在空中划出8字来,或者不圆,骑车人就像是在上下跳,就像是周星星的发明。

还有少数几家厂子不信邪,还制造漂亮的新车,这让车偷们很不高兴,他们就格外卖力地偷这种新车,然后把它弄旧,比如敲打一番,同真破车交换零件等等,然后再卖出来,在他们的努力下,街面上还是没有新车。

人们当然也赚钱,也看到其他地方的人骑很漂亮的车,但他们钱不多,买得起新车也经不住丢。

抓小偷的人有时也抓一下小偷,收缴一批旧车,发个公告说,大家有票的就可以来找自己的车,其实大家一般都没有票,就是随便说一下,有人报过案的就领一辆回来,没人领的就卖给回收站,回收站的都认识车贩。车贩再卖给丢车的人。

有人做了个研究,说有100万辆自行车,每年丢一次,车贩平均每辆可以卖50块,就是5000万;又统计说其中有500万给了生产替换零件的,500万给抓小偷的,其他的就都给偷车的分了。偷车的又有大偷和小偷,是后一个大偷可以拿到1000万。他认真分析了其中的比例关系,最后命名为贫穷平衡经济学,后来得到了炸药奖。

大偷也很聪明,知道后就按这个经济学的指导偷车,把手下的小偷组织起来,发了制服,配了工具车,晚上出来,找那些新书和大破车,按每天的定额直接装到工具车拉回去,然后等丢车的人交钱来买。抓偷的人知道了这个经济学,就按自己的比例去大偷那里领钱,然后就坐在办公室里。老是丢车买车的人知道了这个经济学,了解到自己在这个炸药奖经济家中的地位,丢起来买起来就更高兴了。有个学经济的,大脑有点残疾,智商不是很高,学到了这个经济学,本来是给大偷当顾问也赚了不少,可有一回一高兴就出来说,你们这些买车的很重要啊,不是你们,怎么会有我们过得爽呢?本来丢车的自己也知道这个事,可被人当面公开羞辱了很生气,就骂这个人。这个学家回去被大偷好一顿修理,派去当会计算每天的定额了。

转贴 实验室重现似曾相识 时间,熵,似曾相识和直觉

<实验室重现似曾相识> 转自格志

关于似曾相识(Déjà vu),格志上曾有些有趣的讨论。今天看到新科学家上一条新闻说:Déjà vu created in the lab

IF YOU think you have read this before, you have either picked up an old magazine or have just had a case of déjà vu. Up to 97 per cent of people have experienced that feeling of witnessing a recreation of something they have already seen, and now déjà vu itself has been recreated in the lab. The experiment could throw light not only on the possible causes of the phenomenon but also on the fundamental workings of human memory.

Two key processes are thought to occur when someone recognises a familiar object or scene. First, the brain searches through memory traces to see if the contents of that scene have been observed before. If they have, a separate part of the brain then identifies the scene or object as being familiar. In déjà vu this second process may occur by mistake, so that a feeling of familiarity is triggered …

可惜看不到全文。这段摘要的关键信息有:1、97% 的人有过似曾相识的感觉;2、似曾相识的感觉可能来源于大脑处理信息时发生的错误。

有趣的讨论: <时间,熵,似曾相识和直觉> 转自格志

tririver 谈到一个非常有趣的问题:某些时刻,人忽然会觉得眼前的一幕曾经发生过。我就常有这样的感觉。tririver 的想法是我现在看到的最漂亮的解释。

以前在科普上看过Hawking说心理时间的方向正是熵增加的方向。今天看到他在90年代正式的文章中讨论这个问题,才知道这个argument并不复杂:记住东西需要增加熵,所以我们只能记住比现在时刻熵少的那些时刻的东西,而我们能记住过去的事情而不是未来的事情正是我们心理时间的关键。
这使我联想到两个心理学问题:似曾相识和直觉。至少我,有印象也有报道,说会有这样的感觉,忽然,一个人觉得眼前的一幕是非常的熟悉,强烈地认为以前在哪里见过。如果这种现象确实存在而不是错觉,那么可能正是偶然的熵减少过程导致了我们记住稍稍未来的事情。因为神经元内的自由度大多是被束缚的,所以我们并不需要阿伏伽德罗常数的负指数这样小的概率来完成这一过程。我需要了解的只是人记住一个事件需要多少自由度,并且这个概率被大脑的并行性大大提高,因为如果一个神经元不合作,我们可以寄希望于别的神经元去完成它。
这种似曾相识的感觉似乎在童年更加强烈,这是我自己和一些报道(不知是科学的还是伪科学的)都指出过的。这是否因为童年大脑的结构更加简单,以至于这种过程更容易发生?这可能并不是一个好的argument,但是我认为总比类似童年更容易记住上辈子的事情这样的解释好一些。
人们常常谈起直觉。我想,直觉是不是也因为看见并记住了未来?心理学上有这样的实验,大脑处理视觉的部分出了问题的人,他们感觉自己看不见东西,但是仍然能“猜到”眼前出现的东西。而直觉,是不是正是人看到了未来的事件,但是大脑处理视觉的部分不合作,因此,人没有看到,而只是“猜到”未来发生的事件?
如果这个猜测有一点道理,那么它的意义并不在于预测多少号的彩票能中奖,而是这能够支持一个看似很哲学的问题:过去和将来都是“存在”,“在这儿”的,物理只是一个存在的态跃迁到另一个存在的态,世界上并不真正存在“尚未发生的事情”。
以上转载
以前(大概是童年吧)经常有这样的体验 很有趣

Erdos系数 转贴

以下为转贴:

gf是学数学的,所以常和我提起这个数学圈内著名的Erdos系数,觉得挺有趣的,今天来说一说。

Paul Erdös是二十世纪一个著名匈牙利的数学家。他最大的特点就是多产,而且涉及的数学领域非常之广,也都有不错的贡献。他一生和无数同时代的数学家 (大概500个左右)在不同的领域内进行过合作,发表了大约1,500篇论文。

因为他的合作者很多,于是在数学界内,就流行起了一个Erdos Number的说法。这是什么意思呢?

Erdos自己的Erdos Number就是0,那么直接和Erdos一起写过paper的co-author的Erdos Number就是1。那么Erdos的co-author的co-author的Erdos Number就是2, 以此类推。Erdos Number越小,说明此人和Erdos的学术关系越近。据说,当今世界90%的还活跃的数学家的Erdos Number小于8。到了今天,数学家们聚在一起,还会互相炫耀一下自己的Erdos Number。还据说,有人有一个很小的Erdos Number,于是到Ebay上去卖自己下一篇paper的co-author等等。

还有一个网站,叫做Erdos Number Project专门整理数学家们的Erdos Number。

有意思。

要是我们从某个知名博客开始,假设叫ABC博客,创造一个ABC系数。它自己就是0。在它的Blogroll里的blog就是1,以此类推,说不定也很有趣…。如果那些blogsphere的网站支持自动这样做,没准是一个web2.0新feature (technorati应该能够产生这样一张网络,那我通过technorati查blog的时候,就能知道这个blog的zeal系数,哈哈)。

—–

前几天提到Erdos Number,今天突然好奇,到底我有没有Erdos Number呢?

于是跑到Paths to Erdos里头去看,终于让我找到啦,哈哈。

John L. Hennessy (4) — Stanford的校长
Vivek Sarkar (5) — John L. Hennessy的学生,和Hennessey co-author过至少3篇paper
我老板 (6) — 我老板和Dr. Sarkar至少合作过6篇paper
我 (7) — 我的paper都有我老板的大名。

事实上,前不久我们实验室有一篇和Dr. Sarkar合作的paper刚submit,我有幸也在author list里面。如果这篇paper被收了,我的Erdos Number就能到6了,哈哈。我总怀疑我老板的老板应该有个很小的Erdos Number,但是还没找到证据。

http://zeal.haliluya.org/blog/2006/06/05/my-erdos-number/