پنج‏شنبه شبیه‏سازی‏هام رو برای روش جدیدی که ارائه داده‏ام تموم کردم و آماده نوشتن مقاله شدم. یدفه یه اضطرابی در درونم بوجود اومد. یاد احسان افتادم که روشی که ارائه داده در حدود 5 دسی‏بل روی روشهای موجود بهبود ایجاد میکرد. به خودم دلداری دادم که روش اون فقط در تعداد سنسورهای بالا تست شده و معلوم نیست همیشه بهتر باشه. بعد بلافاصله همین سوال رو از خودم پرسیدم ... همیشه معتقد بودم تنها چیزی ارزش چاپ شدن داره که در همه شرایط از روشهای پیشین بهتر عمل کنه. یه مقاله یه گروه چینی رو بخاطر همین ریجکت کرده بودم. برداشتم روش خودم در عینا شرایطی که احسان روشش رو تست کرده بود، در تعداد سنسور بالا آزمایش کردم و متاسفانه دیدم نه تنها بهبودی در کار نیست بلکه روش سال 91 وانگ بهتر از من کار میکنه :(

دنیا برام تیره و تار شد. 6 ماه روی محاسبه‏ش وقت گذاشته بودم. به ریسانن اعتماد کرده بودم. اون بطور ضمنی گفته بود که MDL بهبود یافته‏ای که در سال 98 ارائه داده بهینه هستش. یعنی کافیه چشم بسته محاسبه‏ش کنید تا کارتون بهتر از همه از آب دربیاد. افسردگی شدیدی پیدا کردم. هر چی هم بچه‏ها دلداری میدادن فایده نداشت میگفتن حالا همینو چاپ کن بگو برای تعداد سنسور کم خوبه ..... پریشب کم‏کم ذهنم از ناراحتی آزاد شد شروع کردم فکر کردن، بیشتر از همه ازین موضوع عصبانی بودم که ساده‏لوحانه فکر می‏کردم ریسانن حتما درست میگه. یدفه انگار برقی توی ذهنم زده باشن احساس کردم «وای کار ریسانن اپتیمم نیست!!!» یعنی بهتر ازونم وجود داره. مثل کار وانگ، چون وانگ خودش نفهمیده چیکار کرده، کارش اساس ریاضی واضحی نداره، اومده بخش اول MDL رو با یه چیز دیگه عوض کرده و بدون اینکه بتونه توجیه کنه چرا، بهبود چشمگیری گرفته. کار 98 ریسانن میشه گفت گام مهم بعد از ارائه MDL در سال 78 هستش و اگر کسی بتونه اون رو هم بهبود بده میتونم بگم یه کار فوق‏العاده مهم در مدلسازی آماری و نظریه آشکارسازی خواهد بود، یه کاری همتراز کار 98 ریسانن.

گاهی فکر می‏کنم بازم دارم خواب و خیال می‏بینم، عناصر یک نظریه جدید برای مدلسازی آماری دایم از جلوی چشمم رژه میرن، حالت مجانبی بر حسب سیگنال به نویز بجای حالت مجانبی بر حسب تعداد مشاهدات، تخمین بدون بایاس با مینیموم واریانس بجای تخمین حداکثر درستنمایی، احتمال خطا بجای سازگاری مجانبی، تعبیر کدینگ پارامتر بجای کدینگ و فشرده سازی سیگنال، باند کرامر رائو در حالت تخمین بایاس‏دار و .... جزوه قطور گزارشهای دکترام پر از ایده‏هایی هستش که بعد از چند هفته به غلط بودنشون پی بردم. اما حس می‏کنم این دفعه فرق داره، من چیزی میدونم که دیگران نمیدونن، من خبر دارم که در یک مساله خاص مثل پردازش آرایه‏ای، چیزی بهتر از MDL وجود داره، اگر بتونم علت بهتر بودنش رو بفهمم و اونو به حالت کلی مدلسازی آماری تعمیم بدم اتفاق بزرگی خواهد افتاد.

نظرات دیگران []