该项目主要研究的是高分子在模式识别表面的吸附现象与运动的性质，我的主要任务是将机器学习运用到高分子临界相变的研究。我采用 CNN、FCN、批归一化、Dropout、正则化等技术对其进行了有监督的训练和识别，之后采用 Autoencoder、SOM、RMBs、KMeans 等技术进行了无监督的聚类与研究，对比传统的统计方法，采用机器学习方法可以高效的完成研究目标。
该项目涉及了 300 条特征和一个目标标签，包含大量的缺省值和约数。我采用相似随机平均的方法填充缺省值，采用 RFE 进行迭代特征选择，采用支持向量回归（ SVR ）进行数据的拟合，三折交叉验证进行验证与测试，R2 Score 进行模型的评估。经过大量的参数筛选获得良好的拟合效果。
我在该系统的开发中主要负责批量消息传送机制的开发，采用 dotnet 作为开发语言，运用大量的委托以及异步消息通信机制，消息存放在本地文档中拥有者三个月的保质期。初期由于采用系统时间命名本地文档在大请求下产生了冲突，我采用操作系统中的信号量机制解决了这个问题，使得消息传送与保存不再发送冲突。
以下均为我熟练使用的技能
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.