第33章 国家级干扰？不过尔尔！（1/2）

“嗤，说的倒是简单。”

“用机器学习处理信號？可超算的处理內容每增加一段，需要的算力就要指数级增长！”

“我们哪来的那种超算？”

林宇的话音刚落，先前对宋教授有些不满的王教授直接就开口质疑了起来。

王教授更注重实践而不是理论。

在他看来理论千千万万，可落到实践上却总有相当程度的一部分只会成为实践的绊脚石。

孔家岁岁写讚歌，日日立降表的旧社会还没过去一百年，像王教授这种实干上来的老专家极为反感这种鉅白黔黑的理论空谈：

“小子，你要是有真本事就拿出来给爷们儿瞧瞧！”

“可別光说这种理论上成立，实际上却完全做不来的东西来败了你老师的名声！”

王教授的话尖锐但到也不刻薄。

仅是这样的压力，林宇丝毫不惧。

坐满高级工程师的会议室里只剩暖气管道在嘶嘶作响。

林宇拿起一根粉笔，站在台前的速速速地写下“机器学习信號”这个標题后，直接开口放言高论，用锐利的笔锋斩断质疑：

“美国人的sa政策干扰逻辑分两层。”

“一层隨机高频道声，另一层是轨道参数的系统性偏移。”

这是在场列位教授都心知肚明的东西，没什么营养。

或是漫不经心，或是庄重以待。

诸多教授的反应不一而足，尽数落於正在观察的宋教授眼中。

本书首发 101 看书网解书荒，101??????.??????超实用 ,提供给你无错章节，无乱序章节的阅读体验

宋教授坐在角落里往搪瓷缸子里的茶水加了两块冰糖，就这么看起戏来。

他信任自己的学生正是因为林宇从来不说大话。

林宇继续下笔：

“前者靠统计模型剥离，后者靠天体力学反推修正，这两点想必各位也同样有过预计。”

先前靠著算法研究的周教授点了点头。

“用卡尔曼滤波能將精度降准到50米，但也只会卡在这了。”

“你有什么新办法？”

涉及到这，林宇就知道该让真傢伙上场的时候了。

“林总工，请允许我让警备员把我的超算搬来。”

得到了上层的允许，两位略显年轻的警备员从一楼的大厅里，將林宇早就通知人搬来的超算移到了会议室中。

“日本靠著神经网络搞不出人工智慧。”

“但20世纪最伟大的方程之一——贝叶斯算法可以。”

本以为林宇有什么高论，听到是贝叶斯算法的周教授失望的摇了摇头。

这东西不受学术界待见快一整个世纪了，要是有什么真东西早被挖出来了。

现在这小子还说什么这烂怂方程是20世纪最伟大的方程？年轻人真是有点不知所谓了。

周教授刚想起身离去，就听见林宇继续说到：

“卡尔曼滤波太依赖初始参数。”

“过去10个小时，我用贝叶斯算法加bp反向传播的混合模型让人工智慧自主学习了sa噪声的分布规律，又让人工智慧跑下了这几年来卫星在航天轨道的所有数据。”

“正因如此才晚到了一阵。”

“现在，我们来现场演示！”

听到林宇要现场演示，周教授离去的脚步一顿，扶了扶老花镜驻足了下来。

他倒是要看看著小年轻能把贝叶斯算法玩出什么花样！

林宇示意工作人员把会议室本身的显示器连接克雷超算，屏幕上瞬间跳出密密麻麻的数据流，隨著林宇敲下一串指令，超算的风冷系统骤然提速，发出低沉的嗡鸣。

隨后调出了gps的卫星导航图。

人工智慧？！

满场的教授都坐直了身子想看看林宇口中的人工智慧到底是什么？