Varía enormemente según el tipo de problema, pero este es mi método habitual para problemas aplicados. Daré el ejemplo de un problema en el que estoy trabajando ahora.
La mayoría de los problemas aplicados se reducen a “Hay (o tal vez no hay) un mapa de SpaceA a SpaceB con las propiedades deseadas” en un sentido u otro. Su trabajo es generalmente determinar SpaceA, SpaceB o el mapa.
Uno de mis temas de investigación actuales es reconstruir una imagen en 3D de la cavidad torácica del paciente en tiempo real utilizando solo una proyección de rayos X. La única información que tenemos son 10 imágenes 3D antiguas de la cavidad torácica del paciente, cada una con muchos errores. El propósito es mejorar la radioterapia para pacientes con cáncer de pulmón.
- ¿Es ilegal que un estudiante universitario salga / tenga relaciones sexuales con un profesor universitario?
- ¿Los profesores de CS desprecian los trabajos que obtendrán sus estudiantes de pregrado después de graduarse?
- ¿Cómo es escribir un libro con James Altucher?
- ¿Cómo es pasar de la academia a la industria o viceversa?
- ¿Qué se puede preguntar a los profesores durante el horario de oficina?
¿Cuáles son mis espacios?
- SpaceA: todas las radiografías 2D posibles
- SpaceB: todas las imágenes 3D posibles de la cavidad torácica
- Restricciones del mapa:
- Entrene rápidamente (los pulmones de los pacientes con cáncer de pulmón pueden cambiar rápidamente, por lo que no debe esperar durante la noche para que entrene)
- Calculado rápidamente (fracción de segundo)
- Alta precisión (no quiero perderte)
- El mapa (X) es la imagen 3D de la cavidad torácica de la que se tomó la radiografía (todo el punto del problema)
De acuerdo, definimos nuestros espacios y nuestras restricciones de mapa. ¿Ahora que?
Ahora miro hacia atrás a mis definiciones para ver dónde me equivoqué exactamente. Es bastante seguro asumir que lo hice.
¡Lo encontré! SpaceB tiene MUCHA dimensión más alta que SpaceA, por lo que el mapa tiene que determinar cuál de las infinitas imágenes 3D que podrían haberse proyectado en la imagen 2D realmente lo hizo .
Repita ese proceso varias veces, tratando de romper todo. El objetivo de esto es definir con mucho cuidado el espacio de su solución. Sepa exactamente lo que debe ser cierto para que una solución sea válida. Si descarta una parte del espacio de la solución que no tiene que hacerlo, puede eliminar accidentalmente la solución óptima.
Ahora volvemos y cuantificamos las cosas.
En mi caso:
Espacio A = [matemáticas] \ mathbb {R} ^ {3 * 2 ^ {15}} [/ matemáticas]
Espacio B [matemática] = [/ matemática] [matemática] \ mathbb {R} ^ {2 ^ {16} * 3 ^ 3 * 5} [/ matemática]
Entrene rápidamente: deje esto abierto por ahora, ya que depende de la potencia informática y la capacidad de paralelismo, etc.
Calculado rápidamente: la persona promedio completa un ciclo de respiración en 3 a 5 segundos, por lo que queremos mantenerlo por debajo de 1 segundo. Sin embargo, eso depende de la potencia informática.
Alta precisión: después de una cuidadosa consideración, configuré mi objetivo para estar debajo del error de 2 mm en cualquier punto de la imagen y muy por debajo de eso en promedio.
Proyección (Mapa (X)) = X. Si reconstruimos la imagen 3D y simulamos tomarle una radiografía, debemos recuperar nuestra radiografía original
Finalmente: tenemos que elegir la imagen 3D correcta . Entonces Map (X) tiene que elegir entre infinitas soluciones aparentemente válidas que tienen la mayor probabilidad de ser correctas.
Luego simplemente escriba las restricciones para cada matemáticamente
[matemáticas] Tiempo de tren <algo [/ matemáticas]
[matemáticas] Tiempo de reconstrucción <algo [/ matemáticas]
[matemáticas] Error máximo <algo [/ matemáticas]
[matemáticas] Proyección (Mapa (X)) = X [/ matemáticas]
[matemáticas] Mapa (X) = argmax_Y P (Y | Proyección (Y) = X) [/ matemáticas]
¡Todo listo!
… Bueno, más o menos … entonces miras otra investigación sobre el tema y descubres dónde se quedaron cortos y especificas que tu método tiene que resolver un problema que otros métodos fallaron.
En mi caso, otros métodos no se extrapolan cuando los pacientes respiran de manera irregular (lo que suelen hacer las personas con cáncer de pulmón).
Y ahora tienes un buen objetivo matemáticamente especificado.
Si mi problema era muy diferente al suyo o si todavía tiene problemas por algún motivo, no dude en enviarme un mensaje y con gusto lo ayudaré.