希臘符號的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

不實在的現實：演化如何隱藏真相，塑造我們的時空知覺

為了解決希臘符號的問題，作者唐納德．霍夫曼 這樣論述：

　　意識究竟是什麼？知覺是真實的嗎？有客觀存在的世界嗎？ 　　這一次，你只能選擇紅色藥丸——比《駭客任務》更燒腦的科普書，全面叩問意識與現實的真相 　　․認知科學家霍夫曼以嚴密的邏輯論證、電腦模擬與科學實驗，正面迎戰千古難解的哲學心物問題 　　儘管幾個世紀以來科學不斷進步，意識的問題仍然沒有得到解決。腦神經元的電化學刺激如何產生主觀體驗，仍然是宇宙最深奧的謎團之一。 　　認知科學家唐納德．霍夫曼相信之所以如此，並不是因為人類還在等待新的科學發現，還是已經達到智慧的極限，而是因為我們對現實的概念完全是錯誤的。一旦我們掌握了現實的本質，意識的問題就可以解決。 　　․本

書打破你對一般常理的認知，邀請你一起探索： 　　演化理論的抽象本質：天擇、基因與變異演算法 　　真相的主觀本質：賽局理論與適者勝真者定理 　　物理因果的虛構本質：全像理論與火牆說 　　知覺系統的普適本質：使用者介面 　　時空內容的格式本質：適應度收益精算報告 　　看霍夫曼如何一步步推演，發現量子理論與演化生物學這兩大科學支柱聯手抵制我們的直覺。本書嘗試從最根本處破除人類知識的魔障，可能會徹底改變你看待現實的方式。 　　我們的感官真的能準確反映真相嗎？ 　　主流科學理論認為，感官回報給我們的訊息是客觀現實。認知科學家唐納德．霍夫曼挑戰了這個觀念，他認為雖然我們應該認真看待自己的知覺，但不該

以為那就是真相本身。我們看到的世界怎麼可能不是客觀存在的現實？要是感官不是在告訴我們真相，那麼感官又有何用？霍夫曼在這本令人大開眼界的書中，竭力探討了這些以及相關的衍生問題。 　　自從地球上開始出現智人之後，能隱藏真相並引導我們採取有用行動的知覺，就一直在天擇中具有優勢，因此我們的感官不斷往這個方向修正，而生存繁衍至今。我們看見一輛車疾駛而來，就知道不要走到它前面去，看見一塊發霉的麵包，也知道不要吃它；然而這樣的印象並非客觀現實。就像電腦螢幕上的資料夾圖示並非電腦檔案真正的模樣，只是一個有用的符號一樣，我們每天看到的東西也都是圖示而已，好讓我們能夠安全、放心地在世界上過活。 　　書中的立論

具有非常重大的實質意涵，從檢視時尚設計師為什麼要用服裝來創造迷人身材的錯覺、研究企業如何利用色彩喚起消費者的情緒，甚至破除「時空是客觀現實」的根本看法，這本書在嚴謹的科學語言和環環相扣的方法論中，敦促讀者對這個我們習以為常的世界提出本質性的疑問。 名人推薦 　　「伍迪．艾倫說過：『我討厭現實，不過……還有哪裡能吃到一頓上等的牛排餐？』霍夫曼把這個笑話徹底翻轉過來：我們向來追求的也就是牛排餐；我們所謂的現實，就是我們取得牛排餐的最佳適應策略。大口享用吧！」——克里斯多夫．福克斯（Christopher A. Fuchs），麻州大學波士頓分校物理學教授 　　「霍夫曼這套激進的理論會迫使我們用

完全不同的觀點來思考現實。閱讀時千萬小心，你對周遭世界的知覺就要崩解了！」－－克里斯．安德森（Chris Anderson），TED總裁暨首席策展人 　　「你以為你知道這世界真正的樣子嗎？讀一讀這本書再說吧，作者一一闡明隱藏在我們自身的經驗與假想之下極度的怪異性，你會讀到忘了呼吸。」－－大衛．伊葛門（David Eagleman），《大腦解密手冊》（The Brain）、《躲在我腦中的陌生人》（Incognito）暢銷作者 　　「想大開眼界嗎？在這本耐人尋味、深具原創性又迷入的書中，霍夫曼為我們導覽一處未知領域，那是認知科學、基礎物理學和演化生物學交會的地方，現實的本質在這裡懸而未決。你對

這個世界的看法——或者應該說「你的介面」——會從此改觀。」──阿曼達．蓋夫特（Amanda Gefter），《愛因斯坦草坪上的不速之客》（Trespassing on Einstein’s Lawn）作者 　　「如果你要讓自己對『現實』的理解與『這個世界』同步，那你一定不能錯過這本書。你會看到許多令你萬萬想不到、超乎你想像的事情。這本書能好好刺激你思考自己、旁人和世界。」——揚．科恩德林克（Jan Koenderink），《色彩的科學》（Color for the Sciences）作者 　　「這本書以全新視野，超越我們對現實的知覺，探討自身的真相。霍夫曼義無反顧地帶著我們進入一個兔子洞，

讓我們了解到所有現實都是虛擬的，真相只屬於你這個創造者。」－－魯道夫．坦齊（Rudolph Tanzi），《超腦零極限》（Super Brain）共同作者 　　「集邏輯、理性、科學與數學於一身的傑作。請仔細閱讀這本書，你對現實的理解將永遠改變，不論是宇宙的現實，還是你自身的現實。」－－狄帕克．喬布拉（Deepak Chopra），《超腦零極限》（Super Brain）共同作者 　　「引人深思又勇氣十足……讀過這本書的人大概很難再用同樣的方式看待世界了。霍夫曼要求我們重新思考神經學和物理學一些最根本的基礎，這些可能正是我們未來想要解答關於現實本質的幾個大難題時最需要了解的事。」－－安娜卡．

哈里斯（Annaka Harris），《意識》（Conscious）作者  

希臘符號進入發燒排行的影片

雙基地雷達系統於過載目標下到達方向與離開方向之聯合估測

為了解決希臘符號的問題，作者李佳昇 這樣論述：

本論文係於雙基地雷達系統中處理過載目標時之聯合到達方向(direction of arrival, DOA)和離開方向(direction of departure, DOD)估測問題，過載目標係指雙基地雷達系統所欲偵測目標的數目大於發射機元件和接收機元件的乘積的數目。考慮某一雙基地雷達系統，其發射與接收陣列分別由具備M個與N個元件之均勻線性天線陣列所組成，而發展被偵測目標的數目大於 的估測演算法，在期望於低計算複雜度與高目標物容量的情況下，於接收端以提升角度估測之解析度，並且針對要提升處理目標數目必須增加系統有效自由度伴隨而來的計算負荷，發展低計算複雜度的技術進行探討，為了達成有效估測的目

的，本論文包含二個主要課題，第一個課題為雙基地雷達系統於過載目標下到達方向與離開方向之聯合估測，基於自相關矩陣重新表示法的處理方式係利用目標反射波訊號的子空間特徵和基於陣列響應的Khatri-Rao (KR)乘積之相關性，所提出的聯合DOA和DOD估測器具有處理目標數目遠大於發射機元件和接收機元件數目乘積的能力和導致解析極限的顯著改善。第二個課題則於傳送端加入一個編碼雷達訊號之基於空間時間雙基地雷達架構，於接收端發展一種角度估測方法以提升角度估測之解析度，並增加目標物估測數目之容量。同時為了降低計算複雜度，故本論文亦將於第一和二個課題中分別發展相對之具有計算效率的雜訊子空間投影矩陣估測技術，來

降低高維度奇異值分解(singular value decomposition, SVD)和特徵值分解(eigen value decomposition, EVD)的計算負荷。最後經由電腦模擬驗證所提出方法的有效性。

文組都會的簡明統計學

為了解決希臘符號的問題，作者高橋信,鄉和貴 這樣論述：

難倒大多數人的統計學，終於推出文組專用「翻譯書」！ 就由擅長將「希臘符號」翻譯成「人話」的老師， 不必與數學公式纏鬥，也能一點就通！ 　　近年來，隨著大數據、廣告投放、後端程式語言等逐漸形成產業趨勢，「統計學」也開始蔚為顯學。 　　可是，對於大部分的文組人來說，光看到數字就想退避三舍；若再提到「統計學」三個字，可能就立刻破門竄逃了吧？ 　　「雖然想試著翻入門書，但只要瞄到像間諜暗號的公式後，就反射性地把書閤起來了。」 　　「聽說統計學很熱門，可是具體來說，究竟能實際應用在哪些地方呢？」 　　「學會數據分析和統計，是不是就能幫我分析股票，順利賺大錢？」 　　所有關於統計學的基礎提問，

就讓擁有多家企業與大學舉辦講座經驗的專家──高橋信老師，與腦洞開很大的文組學生──鄉和貴，透過問答的形式，帶領各位一步步熟悉統計學的世界吧！ 　　◆第1天：歡迎來到統計學的世界 　　相信對大部分人來說，數學絕對排得上學生時代前三名的噩夢科目。 　　奠基在數學之上的統計學，豈不就是更為棘手的惡魔存在？ 　　課程最初，讓我們先打破心理阻礙，首先弄清楚統計學究竟是一門什麼樣的學問。 　　認識統計學的用途，建立目標，我們才能保持清晰的腦袋實踐學習計畫。 　　◆第2天：千萬別被「模擬調查」牽著鼻子走 　　在資訊爆炸的時代，五花八門的抽樣調查、政治人物的支持率統計，哪些是有憑有據的資訊，哪些是道聽途說

，在在考驗我們的「數據素養」。 　　提升數據素養的第一步，就是建立起對「隨機抽樣調查」的基本認識。 　　學會第2天的內容，就知道如何分辨日常生活中值得信賴的統計調查！ 　　◆第3～4天：掌握資料的感覺 　　統計的第一步是收集資料，而資料又能區分「數值資料」與「類別資料」。 　　從第3天開始，我們會稍微接觸數學層面，重溫一下學生時代學過的「中位數」、「標準差」與「變異數」等數值，以及它們在統計學中占有如何的重要性。 　　◆第5天：使資料視覺化呈現 　　這一天將會介紹各種分析方法的基礎知識，首先從具代表性的圖表──「直方圖」與「機率密度函數」開始，透過這兩種工具，深化掌握資料的直覺。 　　同時

我們也會了解生活中常聽到的詞──常態分布，究竟是什麼意思。 　　◆第6～7天：課堂練習！實際挑戰分析資料 　　如何根據樣本資料估計母體？如何推導信賴區間？還有樣本數究竟要多少，才能得到值得任賴的統計結果呢？ 　　讓我們透過最後的兩天練習課，試著做資料分析的練習，為你的統計學習挑戰畫下一個戰果豐厚的結尾吧！ 　　從學生時代就不擅長數學、出社會後也依舊與數學絕緣的人，有辦法從零學會統計學嗎？ 　　本書的文組人代表，藉由七天扎實的親身體驗告訴你──真的有可能！ 　　統計學是一門深奧的學問，卻也是一座取之不盡的寶庫。 　　歡迎各位有志探索這座寶庫的文組人，就從本書開始，解密以前都看不懂的希臘文暗號

！ 本書特色 　　◎全書架構劃分為7天的課程，採老師與學生一來一往的對話形式，帶領讀者一天天熟悉統計的感覺。 　　◎重要的公式與計算的過程，都會用顏色框特別標註，就像課堂板書一樣一目瞭然。 　　◎每堂課的最後都有內容回顧，幫助你快速掌握重點，加強記憶學習更有效率。

具有混合粒子群最佳化和蝙蝠演算法之混合數位與類比波束構成

為了解決希臘符號的問題，作者陳宥任 這樣論述：

混合數位和類比(hybrid digital and analog, HDA)波束構成作為一種有效且有前途的技術，在巨量多輸入多輸出系統已成為近年來受歡迎的研究議題。相較於全數位的波束構成，部分連接的HAD波束構成是可以明顯降低硬體成本、複雜性和功率消耗。對於傳統HAD波束構成器設計，類比權重部分係採用精細格柵的頻譜線性搜尋之類比相位校正(analog phase correction by spectrum searching, APCSS)程序來最佳化類比波束構成器矩陣，其次引入最小無失真響應(minimum variance distortionless response, M

VDR)或基於特徵空間波束構成於數位權重向量的最佳化。 本論文處理基於群體智慧最佳化的混合數位和類比(HDA)波束構成器，用以減輕由於透過減少所需的射頻鏈路數目來降低硬體複雜性和成本所產生的干擾。這些所提方案係透過混合數位和類比(HDA)來最大化系統輸出訊號與干擾加雜訊比，首先簡化適應度函數來解決最佳化問題，由於適應函數的計算複雜度和估測精準度與搜尋格柵尺寸和搜尋範圍大小有密切關係，故本論文引入粒子群最佳化(particle swarm optimization, PSO)和蝙蝠演算法(bat algorithm, BA)對類比和數位部份的權重進行全域最佳解的搜尋，不僅可避免格柵尺寸之不

確定先驗決定的困境，亦可降低傳統窮舉式空間搜尋所需之計算複雜度；本論文還利用PSO和BA的優勢提出了兩種混合演算法，主要想法是整合 PSO 的開採(exploitation)能力和 BA 的探勘(exploration)能力。最後，藉由電腦模擬結果驗證這些所提方法的有效性。