2020.9.21-2020.9.27周汇报

已完成任务及问题：

1. 学完了ubuntu基础，现可在ubuntu 18环境下对文件及目录进行熟悉的语句操作。

2. 读完了S的博士大论文，由于对深度学习领域比较熟悉，所以感触颇深。另还读了C的前四章大论文，也有收获。

灵感点：

1. W***N**或许可用于寿命预测

2. 不同工况下依次迁移形成强大网络

3. 针对数据集少的问题，可利用多种方法进行数据扩充，将不同方案下的扩充版数据作为**基础进行学习。

纠结点：

1. S大论文中实验结果过于完美，所以分类的准确率到多少才是正常且较好的？如果实验结果真实，那超高准确率下的数据集应该是有缺陷的，若在此数据集上采用算法（GAN）进行数据扩充无疑意义不大。

2. 深度学习中的数据量需要多少？两篇博士论文中，传统方法以百为单位，深度学习以千为单位，一个数量级的差异就可以训练好深度网络吗？

3. 还没有学习 Power BI，由于效率较慢，想在复习完一遍python后再对此内容进行学习

4. python画的图都很分散（点和点之间间隔很大），可能是数据点太少引起的

5. 不明白为什么要选取1024个输入数据，深度学习的输入只用一个周期的采样信号就行，1024个点大概为三四个周期。

下周目标：

1. 学会在乌班图下跑简单的python代码

2. 对实验室现有数据集进行了解

3. 读3~4篇论文