更新足迹

从一个看不懂的服务链接出发，自底向上补计算机网络：为什么要分层、物理层怎么传信号、数据链路层怎么点名，以及网卡 / WiFi / 5G / 猫 / 路由器这些日常名词到底各是什么

修正文章与目录排序

目录内列表与「上一篇 / 下一篇」改由文件名顺序决定，修好了系列文章方向标反、年级目录乱序的问题。

全课地图：从 OODA 闭环看智能机器人、傅京逊与 Saridis 的智能控制定义 IC=AC∩AI∩OR、为什么传统控制力不从心、五大智能控制分支，以及具身智能为何是一个广义控制问题

给控制器装智能的第一条路线：把专家经验写成 IF-THEN 规则。知识库+推理机、正反向推理、CF 确定性因子、专家系统 vs 专家控制、专家 PID（增量式 PID 完整推导 + 5 种情况），以及 XCON/MYCIN/PROSPECTOR 与专家系统的衰落

把不精确的自然语言经验定量化：隶属度与模糊集合、交并补与 max-min 合成、模糊推理、模糊控制器三件套与 7 步设计、解模糊三法、模糊自适应 PID，以及 TSK 模糊系统、TSK≈RBF 网络、ANFIS 与 Mamba/SSM 回到状态空间法

不写规则，让数据自己学映射。机器学习三要素、神经元与激活函数（梯度消失→ReLU）、通用近似定理、反向传播、六种神经网络控制结构、RBF 网络控制、TSK≈RBF 的逐行证明，以及 RNN/LSTM/Transformer 处理序列

没有标准答案，靠试错+反馈学习。迭代学习控制的二维时间视角、D/P/PD/PID 型学习律与收敛性 |I-PΓ|<1 推导；强化学习的 MDP、贝尔曼方程、Q-Learning 走房间、DQN、Actor-Critic 与 PPO/SAC/TD-MPC 算法谱系

给机器人装上「看运动」的眼睛。光流的定义与稀疏/稠密之分、两条基本假设与核心约束方程推导、孔径问题，以及三代算法：Lucas-Kanade（最小二乘+角点）、Farneback（二次多项式拟合）、FlowNet（深度学习）

全课汇聚点。第一人称智能与 POMDP、自动驾驶从模块化到端到端、VLA（视觉-语言-动作）五层架构与 Cross-Attention、典型模型 RT-2/Pi0/Pi0.5、SimLingo 与 NaVILA 实验，以及整门课的收束

能力越大失控后果越严重。AI 安全的冰山模型（内生风险=鲁棒性/隐私性/透明性，衍生风险=公平性/有害性/可靠性）、对抗样本（数字与物理世界）、三类隐私攻击、可解释性与 CNN 纹理偏差、防范与评估体系，以及 AI 的电车难题

学业板块重构

课程笔记按「年级 / 学期」重新归档，铺好大一到大四的框架；新增科研板块占位。

评论区上线全站

接入 giscus，每个页面底部都能留言；评论存于 GitHub Discussions，保持纯静态零后端。

精简站点结构

移除未实际使用的私密区密码门机制，让结构更干净直接。

凭考后记忆复原的《模式识别与机器视觉》期末试卷：选择、填空、解答三大题型逐题还原，附参考答案与考点指向

开篇定位章：为什么需要 KG、KG 是什么、怎么造、怎么用——信号/数据/信息/知识四层概念与典型 KG 全景

KG 的骨架：RDF / 属性图 / OWL 三类符号化表示，以及用表示学习把符号变向量的路线

三类数据源（结构化/半结构化/非结构化）的抽取全景：实体、关系、事件，方法演进谱

从 Web / 百科 / 表格里挖实体：包装器、百科 infobox 抽取与 D2R 工具链

从纯文本里挖实体与关系：特征模板 → 核函数 → 神经网络 → 远程监督 → 联合抽取

实体识别前沿：MRC 式 NER、字典增强、LLM 抽取与 KG 构建中的范式转变

多源 KG 怎么合并：本体融合、实体对齐、实体消歧、共指消解

三元组库 vs 图数据库、Neo4j 等代表系统、语义检索与 SPARQL / Cypher 查询

符号化推理三路：本体推理、图结构推理、概率/统计推理

表示学习基础：TransE 思想、损失函数、负采样，以及 TransH / TransR / TransD 的动机

复杂关系建模：Trans 系列扩展、双线性（DistMult/ComplEx）、图神经网络（R-GCN/CompGCN）

KG 落地场景：语义搜索、智能问答、推荐系统、金融风控、医疗决策、辅助大模型

期末考点串讲与复习要点：高频简答、计算题套路、易错点速查

充实学业与知识沉淀

新增知识图谱课程笔记与模式识别复习，扩充 Tech Stack 的机器学习与数学主题。

考前最后一晚必背：推不出来、做题却要用的硬结论、固定阈值、易错方向与套路口诀

模式识别系统的流水线、监督与非监督的区分、三大方法流派——全课的总览地图

从概率角度定义「最优分类」：最小错误率与最小风险两套准则，以及它们如何在 0-1 损失下统一

最小错误率与最小风险两套决策准则、似然比形式、白血病例子与结论反转、0-1 损失下的统一

从「哪个参数最可能生成这批数据」出发，推导常见分布的 MLE，并讲清估计为何会有偏、N-1 修正从何而来

两步贝叶斯决策、MLE 五步法、各分布的 MLE 计算、均匀分布陷阱题、有偏无偏与 N-1 修正

从「最大间隔」的几何直觉出发，一步步推到对偶问题与 KKT，讲清「支持向量」为何是少数、软间隔如何容噪

最大间隔、±1 标签的两个红利、规范化与基本型、拉格朗日对偶、KKT 与支持向量、软间隔与答题主线

「最大方差」与「最小重建误差」两个看似无关的目标，为何都归结到协方差矩阵的特征分解；以及 PCA 与 LDA 的分工

最大方差与最小误差两个视角殊途同归、协方差特征值分解、计算步骤与数值例、PCA 与 LDA 的本质区别

无监督聚类的代表算法：从准则函数到交替优化，它为何收敛、与 GMM/EM 是什么关系、K 怎么定

聚类准则、交替优化的 EM 思想、算法步骤、与 GMM 的硬软分配关系、肘部法则；文末附上半部分全公式速查

混合策略、期望收益、混合策略 Nash 均衡定义、最优反应引理与等值法（含完整算例）、支撑法与规划法

加入博弈论笔记

沉淀博弈论课程笔记系列，支持 KaTeX 公式渲染。

标准式博弈三要素、占优策略均衡、累次剔除严格劣策略、Nash 均衡定义与划线法/箭头法

什么是博弈、理性与共同知识两大前提、八个基本术语、四类博弈的分类框架

雅思各科注意事项

雅思口语答题技巧与题库整理

用 Astro 重写并改版

从 Hexo 迁移到 Astro 6 + Tailwind 自定义主题，启用嵌套目录浏览、暖色调配色与访问统计。

博客诞生

第一版个人博客上线，开始记录技术、学业、生活的点滴。