第22节（2 / 2）

王浩认真工作不感兴趣，因为他同样非常认真，每次来到办公室也都在工作，研究课题、代码、写论文，等等。

好多事情都要做。

他已经准备带研究生了，也开始思考起怎么带学生，和学生一起做什么项目。

但是，这次他停下了。

他停在门口站在王浩的背后，看向笔记本电脑的屏幕，上面一行行代码让人眼花缭乱。

张志强是信息学博士，对代码非常的熟悉，精通各种复杂算法和方法。

现在王浩所写的代码，他就有些看不懂，当然也是正常的，但他能看明白是一种‘数据表示方法’。

“这是什么？”

张志强拍了下王浩的后背，带着好奇问道。

王浩马上反应过来，解释了一句，“cauchy问题，非负矩阵分解。”

“cauchy，图形学算法？”

“嗯～～～”

王浩犹豫了一下，回答道，“也不算是，我做的是数学工作，不是计算机，没牵扯到应用层面。”

张志强顿时更好奇了，他干脆把椅子拉过来，“给我讲讲。”

王浩也不在意。

张志强是信息学博士，计算机算法上很有研究。

他所做的是计算机数学研究，简单来说，就是用计算机的方法，把数学的内容表示出来，而研究还没有做完，也许和张志强讨论一下，还能带来一些很关键的灵感。

“我是把cauchy非负矩阵分解，以另一种方式表达出来，然后再用计算机方法解决问题。”

“大部分都是数学部分，非负矩阵分解的解析，会变得更加复杂，数值变得更多，这只是人脑的感觉。”

“如果是计算机，就会变得更简单。”

这很容易理解。

人脑理解超大数字‘10的30次方’很容易，但把‘10的三十次方’表示成‘30个10相乘’，读起来就会变得非常复杂。

计算机不同。

因为计算机是机械运算，‘30个10相乘’的表示，反倒比单独一个超大数字容易解析。

王浩的研究就是这样。

cauchy非负矩阵分解，表示起来并不容易，但转化为一种全新模式，人脑理解起来不容易，计算机解析起来却变容易了。

张志强越听就越精神。

cauchy模型，在计算机领域应用十分广泛，最重要的就是计算机图形学，很经典的应用就是人脸识别，cauchy模型算法，能够帮助目标轮廓参量的提取精准度数值。

同时，cauchy模型表示起来很复杂。

张志强在计算机方面连续说了好几句，两人的讨论也被其他人听到了。

朱萍就积极的参与进来，“cauchy模型啊，我知道这个，还研究过，很重要。”

她紧跟着问道，“你是怎么实现简化的？”

王浩道，“研究还没问题。我的想法是数学简化，然后提取代换，设计几个包，对应相应的分支函数……”

他说的很详细。

当深入去说明的时候，张志强还是能听懂一些的，还能给出一些想法和建议，两人就认真的讨论起来。

这时候，朱萍不说话了。

她也是信息学方向的讲师，刚才很积极的参与进来，还干脆站在了旁边，也是希望参与到专业的讨论。

结果，进入正题就听不懂了。

风萧萧兮……

她非常希望能加入到讨论中，却只感受到了被两名学霸碾压的苦闷，张志强也就算了，本来就是信息学博士，手里有计算机方面的顶级期刊成果，还马上要提升为副教授。

王浩是个数学博士啊！

一个数学博士在信息学领域的知识，碾压了她这个信息学方向的大学讲师。