Confession

我要招認一件事，
那就是：我今天穿得跟昨天一模一樣，
連髮夾都一模一樣。
（我當然有洗澡啦！）

昨天穿著 Black Friday的戰利品，
戴上在臺灣買的十元髮夾，
去好友芳家鬼混一下。
她說：你這樣的打扮很可愛！

今天，有同學說我的外套很好看，
也有同學說我的髮夾很漂亮。

如果，稍微打扮一下是我努力嘗試讓自己高興的方法，
那就讓我些微的快樂多持續個一天吧！

星期天的午覺

在準備出國的時候，
一直都對於出國這件事沒什麼感覺。
就連在機場臨上機前，
我還笑嘻嘻地，很興奮。
我同行的花花在跟她家人道別時，哭成一個淚人。
跟我擁抱的爸爸眼眶泛紅，
看電影從來不哭的媽媽也努力地保持笑容，
弟弟在我的肩膀重重地拍了兩下，
只有我笑得開心，大步大步地向前走去。

我心想: 有什麼好難過的, 不過就像是之前的遊學，
過幾個月就回家了，沒有什麼不一樣的 !

然後，我就在Ann Arbor展開新生活，
日子在作業、考試、考試、作業中度過，
也從來沒想過生活有任何改變。

就在某一個星期天的下午，
唸書累了，睡了一個舒服的午覺。

起來後，坐在書桌前，
突然想起以前在臺灣的時侯，
也是星期天的午後，
也是一個舒服的午覺。

慵懶的我走到房門口，
聽到廚房爐上燉湯的咕嚕咕嚕聲，
紅燒肉的香味陣陣飄來。
媽媽在沒開燈的客廳，
一邊看電視一邊摘著青菜。
爸爸不知是在睡午覺，
還是帶著皮皮去爬山了。
( 如果在睡覺，我要去偷親他一下 )
弟弟，不用講，這個懶豬一定在睡。
我喊著：媽~~我要喝咖啡~~
一會後，我捧著香香熱熱的咖啡，
唸書、看小說或是擠在媽媽旁邊看電視。

突然，我知道了。
一切都不一樣了 !
這樣的生活已經離我好遠好遠，
這樣的生活我再也回不去了 !
在機場時忘記的淚水，想起來了

黑咖啡

我和室友 Rain 都染上咖啡的癮,
每天都至少要喝上一杯.
不同的是: Rain都喝黑咖啡,
而我都要加上很多的牛奶和很多的糖.

還記得唸研究所時,
所上的教授休息室中有虹吸式咖啡壺,
總和同學偷溜進去煮咖啡.
在酒精燈的火燄中, 在木匙旋轉的咖啡中,
閒扯一番.

有一次, 系上的黃教授,
對於我猛加奶油和糖的行為,
相當地不以為然.
他說: 黑咖啡才像人生的滋味
要從苦澀中品嚐些些的甘甜.

那時的我, 那能理解這套說法,
人生, 對二十出頭的我而言,
就是充滿了濃濃的奶香和甜滋滋的咖啡香.

現在的我, 漸漸地體會到,
人生好像不再只有濃郁與甜蜜,
可是我還是喜歡來上一杯牛奶多糖多的咖啡,
享受它所帶給我幸福的感覺.

Cream cheese and Bagel

最近瘋狂地愛上吃 bagel!
無論是在家裡還是在咖啡店裡,
總愛來一個對半切開, 烤得微焦, 熱呼呼的 bagel,
在上面塗上厚厚的 cream cheese,
一口咬下...... 天堂!!

Bagel 好像是 cream cheese 的唯一選擇.

像Toast, 它的口感就太過鬆散, 不夠厚實,
無法承受 cream cheese的濃郁.
Cream cheese and toast 的組合,
對我而言, 就像是"蔡琴和林志穎"的男女對唱,
產生不了棋逢敵手的火花.

而 bagel 好像也要搭配 cream cheese,
才能產生豐富的美味.
Bagel塗上果醬?
抹少少地, 吃不出果醬的香味;
抹得厚厚地, 只有滿嘴的膩.

Cream cheese and bagel are perfect for each other,
and only.

Ketchup and fries,
雖然兩者很 match, 但卻不是 the only.
Fries with cheese 及淋上 ketchup 的荷包蛋
都在我的美味名單中榜上有名.

Oreo and milk, steak and A1 suace.....
雖然都是完美的組合, 但都不是唯一的組合

只有 cream cheese and bagel 是完美且唯一的組合.
所以婚姻誓言應該改為：
從今以後, 無論環境順逆, 疾病健康,
我倆都會像 bagel and cream cheese,
直到死亡把我倆分開.

如果你有一個可以跟你分享 cream cheese and bagel 的人,
恭喜你！請好好把握！

迭代

迭代
Iteration

我很喜歡的一個數學名詞,
我喜歡它動態的感覺,
也喜歡它的規律

茍日新, 日日新, 又日新
要用數學的語言來說, 就是迭代吧

EM algorithm

第一次聽到EM時, 我還只是個碩一新生,
跟著翁老師去數學系聽seminar,
講題是什麼, 不知道, 也沒懂過,
只記得講者不斷地提到EM,
我小小聲地問翁老師: 什麼是EM?
老師很簡潔也很正確地回答: E就是取期望值, 然後M就是去求極大.
完全地不知所云

然後就時光飛逝, EM 跟我的生活毫無瓜葛, 直到今年,
修Statistical theory時,
知道了這是一種求incomplete data MLE的方法,
先在假設參數為已知的某值下,
計算sufficient statistics的期望值 (E-step),
然後假設我們觀察到的資料等於此期望值,
求取使得likelihood極大的參數值 (M-step),
然後不斷地重複這兩步驟(迭代), 直到結果不再變動(收斂),
即求到我們所要的 MLE.

這個學期修missing data, 除了學著寫EM的程式外,
也學了不少只能用來唬人的術語, 例如ECM, PX-EM等

也許我的學習就像是EM, 不斷地向上逼近,
只是逼近的速度非常非常地緩慢.