37%规则,最优停止问题(麦穗理论)

2024-01-25 06:40

本文主要是介绍37%规则,最优停止问题(麦穗理论),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

近期又看到37%规则,又叫麦穗理论,有很多惊人的发现。

感觉像黄金分割,但又欠那么一点点1-0.618=0.382=38.2%。

有意思的是,有一个数学奖,叫菲尔兹奖,只将给不超过40岁的人。如果人能活100岁,那么40岁很接近上面两个概念。

在数学思维的妙处(6)中,讲了37%规则,并给出了证明,原始问题是这样说的,麦田中,挑选最大的一支麦子穗,不能走回头路,过程中只能摘一支。演变后,如下:

从出生开始,在什么年龄,遇到最好的那个人,就结婚,不能再等了?

这两个问题的结果都是37%,也就是说,100次,拒绝了37次后,遇到就要拿住,不能再等了,否则,这辈子就没戏了,也不能这么说,起码后半生是后悔中度过。

当时只是看一看,觉得有意思,聊做笑谈资本罢了。

然而,事情没这么简单,与别人说的相合就罢了,这一次,竟然和自己做的事重合了,反复想,感觉鬼使神差,就是这样一个结果。

实现机器视觉基于形状匹配这一年多来,反复修改,优化。但条件就一个,你匹配到的结果得分在0-100分。这个很想活100岁的概念。

以自己关于形状匹配的无数经验,得到的经验是:

20分以下,不用考虑,这是个门槛,我也不知道为什么定这个杠杠(门槛),你就当是经验,因为这个分数以下,出错的概率非常大,你可以比拟20岁之前定一个人结婚(旧世婚姻)

20-25分,渐变可信,可以迭代一次,匹配结果会高于25分,也就是说,这个年龄段20-25岁,遇到合适的人,可以等一等,会出现更好的结果

如果是25-35分,可以下手,不必等,可信度非常好,遇到可欣的人,不要再向后张望了,也就是说,你这辈子最好的就在此了。

如果大于35,有机会,直接不考虑其他,再等就黄了!

我在机器视觉形状匹配中,也反复试了,35-40的得分,一定就是你要找到的那个结果,如果你要通过亚像素来优化,使其得分更高,但仍然在这个位置,几乎没有变动余地,或者用其他方法,我看到这个现象很奇怪,但我证明不了他。

看到37%规则及证明,我恍然大悟,所以你不要相信visionpro及halcon那么高的得分率,可能有你想不到的优化,但事实在37%已经定下。

至于说一幅图中有几个一样的事物,我只找第一个达到这个规则的那一个。这也就是为什么我的形状匹配速度毫不逊色halcon和visionpro的原因。

37%之后的优化,花得力气大,时间长,效果未必好。不信你可以试试!

有人说,你成功的秘诀是什么?他说,一件事情有40%的把握,就可以下手去做,就是这个道理!

审视我基于形状匹配程序中的设定,最后就稳定在此结果,即匹配的分水岭在25-40分之间,见好就收,40分以上的结果,报以随缘态度,你如果得分更高,最好,剩下的根据经验值,笃定,不再徘徊,看到这个规则,我就释然了,改进肯定还会去做,这是自然的事!

40分以上,就很难找了,为什么?还是这个规则,从人生角度看,这里边隐藏了什么道理?也就是说40岁以后,你想有突出成绩,就很难了,而慢慢变老变坏甚至死亡正是你意识不愿看到的但必然的事实!

但人生的好处是,即就是这样,现实很残酷,我们的意识仍然不可而为之(从人性说,叫乐观吧!或者说是意识欺骗自己,也不能这样说,自然的生物,都有生生之能力),好在这两年,还出现了一个张益唐,伟大的数学家!

以前,foxconn,老郭说过一句话,做到99%很容易,可能用十年时间,但从99%做到1可能需要30年,我不知道这句话,有没有数学支撑,但老实话,99%没有这个37%规则分可靠。

从机器视觉从业角度来看,如果你要从37%达到90%,你必须通过很多条件保证,可喜的是,工业机器视觉硬件很详细的选型(条件)非常好,构成了极大的成功条件,可以说,比起ai,机器视觉世界的实现度更高!而且软件上,把速度放慢一点,学习次数增加,再加入亚像素以及其他方法,40%以上的上升空间很大!

也就是说,我们的人生,一定要在40岁之前很努力,比如说,40岁之前,你已经踏入了人生职业规划,或者说取得了不少小成绩,对于世界来说,可能不起眼!

而40岁之后的路,必须有像机器视觉一样非常优厚的条件保证,你才可能再上一层楼,而40岁之后花费的时间比你之前取得的成绩花费的时间更漫长!其实能不能再进一步,不重要,重要的是释然,也就是孔子他们说的,四十不惑!

如果你只想不要命的得到人生的辉煌,其实你已经很厉害了!而对古(故)人(那些中外优秀的人,他们提出的像37%规则,都不是吃素的)的好言相劝置之不理,那么,生命变垃圾的速度会惊人的快!

举几个例子,微软mvp获得者,雷霄骅,26岁,挂了,浅墨,90年出生的,也挂了。

近一年的旷世的孙剑(45),商汤的唐晓鸥(55),大家都是搞这个行当的,真是可惜。

都说,自古英雄出少年,可能就是37%规则吧,虽然他们去了,但他们仍然是英雄!

古(故)人(他们的言行,理论)不欺我,也不欺你!

以下附上数学思维妙处(6),37%规则的证明:

从这张图你能看出什么道道吗?前四强加起来超过35分,前五加起来42分,第五名之后......

这篇关于37%规则,最优停止问题(麦穗理论)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/642403

相关文章

mybatis和mybatis-plus设置值为null不起作用问题及解决

《mybatis和mybatis-plus设置值为null不起作用问题及解决》Mybatis-Plus的FieldStrategy主要用于控制新增、更新和查询时对空值的处理策略,通过配置不同的策略类型... 目录MyBATis-plusFieldStrategy作用FieldStrategy类型每种策略的作

linux下多个硬盘划分到同一挂载点问题

《linux下多个硬盘划分到同一挂载点问题》在Linux系统中,将多个硬盘划分到同一挂载点需要通过逻辑卷管理(LVM)来实现,首先,需要将物理存储设备(如硬盘分区)创建为物理卷,然后,将这些物理卷组成... 目录linux下多个硬盘划分到同一挂载点需要明确的几个概念硬盘插上默认的是非lvm总结Linux下多

Python Jupyter Notebook导包报错问题及解决

《PythonJupyterNotebook导包报错问题及解决》在conda环境中安装包后,JupyterNotebook导入时出现ImportError,可能是由于包版本不对应或版本太高,解决方... 目录问题解决方法重新安装Jupyter NoteBook 更改Kernel总结问题在conda上安装了

pip install jupyterlab失败的原因问题及探索

《pipinstalljupyterlab失败的原因问题及探索》在学习Yolo模型时,尝试安装JupyterLab但遇到错误,错误提示缺少Rust和Cargo编译环境,因为pywinpty包需要它... 目录背景问题解决方案总结背景最近在学习Yolo模型,然后其中要下载jupyter(有点LSVmu像一个

解决jupyterLab打开后出现Config option `template_path`not recognized by `ExporterCollapsibleHeadings`问题

《解决jupyterLab打开后出现Configoption`template_path`notrecognizedby`ExporterCollapsibleHeadings`问题》在Ju... 目录jupyterLab打开后出现“templandroidate_path”相关问题这是 tensorflo

如何解决Pycharm编辑内容时有光标的问题

《如何解决Pycharm编辑内容时有光标的问题》文章介绍了如何在PyCharm中配置VimEmulator插件,包括检查插件是否已安装、下载插件以及安装IdeaVim插件的步骤... 目录Pycharm编辑内容时有光标1.如果Vim Emulator前面有对勾2.www.chinasem.cn如果tools工

最长公共子序列问题的深度分析与Java实现方式

《最长公共子序列问题的深度分析与Java实现方式》本文详细介绍了最长公共子序列(LCS)问题,包括其概念、暴力解法、动态规划解法,并提供了Java代码实现,暴力解法虽然简单,但在大数据处理中效率较低,... 目录最长公共子序列问题概述问题理解与示例分析暴力解法思路与示例代码动态规划解法DP 表的构建与意义动

Java多线程父线程向子线程传值问题及解决

《Java多线程父线程向子线程传值问题及解决》文章总结了5种解决父子之间数据传递困扰的解决方案,包括ThreadLocal+TaskDecorator、UserUtils、CustomTaskDeco... 目录1 背景2 ThreadLocal+TaskDecorator3 RequestContextH

关于Spring @Bean 相同加载顺序不同结果不同的问题记录

《关于Spring@Bean相同加载顺序不同结果不同的问题记录》本文主要探讨了在Spring5.1.3.RELEASE版本下,当有两个全注解类定义相同类型的Bean时,由于加载顺序不同,最终生成的... 目录问题说明测试输出1测试输出2@Bean注解的BeanDefiChina编程nition加入时机总结问题说明

关于最长递增子序列问题概述

《关于最长递增子序列问题概述》本文详细介绍了最长递增子序列问题的定义及两种优化解法:贪心+二分查找和动态规划+状态压缩,贪心+二分查找时间复杂度为O(nlogn),通过维护一个有序的“尾巴”数组来高效... 一、最长递增子序列问题概述1. 问题定义给定一个整数序列,例如 nums = [10, 9, 2