M2M的個人資料 瑪莉特（Marit Larsen）的個人資料： 全名：Marit Elisabeth Larsen 生日：1983年7月1日 星座：巨蟹座 出生地：Lenskog，挪威 身高：157cm 喜愛的食品：雞肉，面條，湯 喜愛的飲料：水 喜愛的顏色： 暗紅（就像我的吉他） 喜愛的音樂：任何與吉他有關的音樂我都喜歡 喜愛的藝術家：Sixpence None The Richer, Robyn, Oasis, Hanson, Bic Runga, Big Bang, The Beatles and Eric Clapton. 喜愛的專輯： "Middle of Nowhere" by Hanson and "Chronicles" by Eric Clapton 喜愛的演員：Joseph Gordon-Levitt, Katie Holmes 喜愛的電影：American Pie 美國派 喜愛的電視劇： Dawson's Creek 喜愛的圖書：Right now it's "Choices" by Abigail Reed 喜愛的遊戲：Ludo 蘆多益智遊戲 喜愛的運動：沒有具體的 愛好：彈吉他 交朋友 寫歌 瑪莉安（Marion Raven）的個人資料： 全名：Marion Elise Ravn 生日：1984年5月25日 星座：雙子座 出生地：Lenskog，挪威 身高：170cm 喜愛的食品：BBQ chips - haha 喜愛的飲料：芬達澄汁 喜愛的顏色：紫色 喜愛的音樂：任何R&B到搖滾的音樂（我不是個硬搖滾迷） 喜愛的藝術家：Jennifer Brown 喜愛的專輯："Vera" by Jennifer Brown 喜愛的演員：Christina Ricci!! 喜愛的電影：6th sense 靈意第六感 喜愛的電視劇：第七天堂 ， 六人行 喜愛的圖書：Danielle Steel 喜愛的遊戲： ？ 喜愛的運動： 足球和排球 愛好：音樂，畫畫，交友&派對，穿著睡衣整天待在家裏 歌曲列表 單飛後兩人所有歌曲列表：（更新2007/9/10） —Marion Raven— —Here I Am—[2005] 1. Get Me Out Of Here 2. Break You 3. Crawl 4. Here I Am 5. Little By Little 6. End Of Me 7. 13 Days 8. For You I'll Die 9. Let Me Introduce Yourself 10. Heads Will Roll 11. End Of The Day 12. 6 Feet Under 13. Gotta Be Kidding 14. In Spite Of Me 15. Surfin The Sun 16.There I Said It —Heads Will Roll（EP）—[2006 ] 01 Spit You Out 02 Heads Will Roll 03 All I Wanna Do is You 04 13 Days 05 Good 4 Sex 06 Let Me Introduce Myself (Acoustic) —Set Me Free—[2007] 1. Falling Away 2. Set Me Free 3. Crawl 4. Here I Am 5. Thank You （For Loving Me） 6. 13 Days 7. Break You 8. Heads Will Roll 9. For You I'll Die 10. End Of The Day 11. All I Wanna Do Is You 12. Let Me Introduce Myself（Acoustic） —單曲— 1.We Are W.I.T.C.H. 2.Octorber 3.It's All Coming Back To Me Now 4.Get Over Me 5. Pointless Relationship 6.That Day —Marit Larsen— —Under The Surface—[2006] 1. In Came The Light 2. Under The Surface 3. Don't Save Me 4. Only A Fool 5. Solid Ground 6. This Time Tomorrow 7. Recent Illusion 8. The Sinking Game 9. To An End (feat.Thom Hell) 10. Come Closer 11. Poison Passion 二、M2M算法模型 宏觀到微觀（M2M）模型。類似於粒計算（Granular Computing）的思想，M2M模型提供了壹個多層次，粒度可選的數據結構，從而靈活地選擇不同的抽象層次去解決不同粒度的問題，而不必每次關註粒度最小的層次。M2M模型的數據結構用O(n)時間建成，並具備高度的並行性，足夠的處理器可使之在O(1)時間內建成（n為點集規模）。由於插入，刪除，查詢等操作都在常數時間內完成，且不會引起樹結構不平衡，因此數據結構具有良好的動態性。此外，M2M模型的數據結構及其預處理過程，能夠被所有基於M2M模型的算法所***享，從而大大地提高了需要多種算法***同處理的操作的效率，如圖像處理和模式識別等。本文分析了基於M2M模型的算法的壹般過程和***同特性，設計和編程實現了三種基於M2M模型的算法：最近鄰算法，凸包算法和尋徑算法,並與相應的經典算法和最新研究成果進行各方面的比較。 人類作為壹種經歷億萬年進化而不斷完善的物種，值得模仿的不僅僅是其機體結構和運作機制，其思考問題的方式與及解決問題的方法，也同樣經歷億萬年的錘煉，其中奧妙之處更值得科學的研究與借鑒。人類在解決實際問題的時候，往往不是壹開始就從粒度最細的層次去分析問題，而是先從宏觀出發，粗略地排除壹些不必要考慮的因素，鎖定壹個更窄的問題規模，然後再試圖在粒度更細的層次去解決這個問題。這樣不斷地在粒度較粗的層次把問題的考慮範圍縮小，直到壹個粒度恰當的層次，可以迅速解決問題。宏觀到微觀算法模型（M2M model）就是這樣壹種模仿人類認知思維方式的算法模型。從抽象的意義來說，宏觀微觀算法思想利用從宏觀到微觀的過程實現了減治（Decrease-and-Conquer）的目的，探討了模擬人類解決問題從宏觀到微觀漸進過程的新方法。 研究人類認知思維規律，模擬人類認知思維方法並應用於提高計算機智能壹直是人工智能學科研究的熱點。許多學者從生物體結構、遺傳學原理或心理學模型出發研究人類智能的計算方法，而M2M算法模型則是從模仿人類思維方式出發研究人的認知過程。從這個角度來看M2M模型與粒計算（Granular Computing）的思想有異曲同工之妙。它們都是壹個自頂向下（Top-down design）的多層次（Multiple levels）模型。解決問題的時候都采取在各抽象層次之間逐步細化(Step-wise refinement)的過程 [42][43] 。 M2M算法模型具有普適性，是壹種指導算法設計的模型，很多經典算法問題和壹些具體領域上的應用算法問題，如最近點對問題，凸包問題，TSP問題，聚類問題，尋徑問題，碰撞檢測問題等都可以利用M2M模型設計出高效的算法。 如果您認為本詞條還有待完善，需要補充新內容或修改錯誤內容，請 編輯詞條
參考資料：
1.百度M2M吧，百度Marion吧，百度Marit吧。 2.[1]A New Nearest Neighbour Searching Algorithm based on M2M Model. The International MultiConferenceof Engineers and Computer Scientists 2007（IMECS 2007）. 2007 3.[2] A New Randomized Parallel Dynamic Convex Hull Algorithm based on M2M model. International Conference on Convergence Technology and Information Convergence, 2007, in-cooperation with ACM SIGAPP. 2007
上一篇:skto白膠原乳液好用嗎下一篇:農行visa雙標卡有哪些