记录自己的成长，为了督促自己，也为了帮助别人。
我将活出专注的人生，因为这是最好的选择。
科研学习的标杆：我将获得国奖，拿到美国大学的博士offer；每天的深度工作时间在12h
不是日程安排，是对完成工作以及深度工作时间的记录
努力成为优秀的人，成为可信度高的人，只有成为这样的人，才能通过写作、演讲等形式最大化自己的影响力
标题：周数，深度工作时间，当周的主要任务
每日的深度工作时间（科研学习）
周一，3.5h
上午：浏览了一篇文章的摘要：利用traj2vec的方法将一条轨迹转换为多个vector，然后将vectors输入到RNN中进行分类，0.5h
下午：和合作伙伴一起研读了一篇文章：挖掘轨迹数据中的语义移动模式，将轨迹点转换为POI特征向量作为隐马尔科夫模型的观察变量，然后将访问目的作为隐藏变量，假设观察变量和隐藏变量存在高斯混合分布的关系，将轨迹点转换为POI特征向量后作为输入，使用EM算法，以最大化生成所有轨迹（即POI特征向量序列）的概率为目标，估计/训练隐马尔科夫模型中的参数（主要是访问目的的初始概率和转移概率矩阵，当然访问目的对应的POI特征向量均值也是重要的参数，它能够比较真实地表示访问目的）。之后利用动态规划算法为每一条轨迹（停靠轨迹，文章中提到了将原始轨迹转换为多条停靠轨迹的算法）的所有位置打上访问目的的标签。在带访问目的和时间标签的轨迹看作一个(访问目的、时间)的元组序列，使用prefixspan算法进行序列模式挖掘。3h
晚上：0h
周二，0.5h
上午：复习随机过程的1.2.1，随机变量部分，0.5h
下午：开始做人机联合计算的作业9-1，0h
晚上：完成人机联合计算的作业9-1，开始人机联合计算的作业9-2,0h
周三，1.5h
上午：复习完随机过程1.2：随机变量，1h
下午：开始做数据挖掘实验，使用的数据集不合适，0.5h
晚上：继续人机联合计算作业，一直在解决数据集整理的小问题，0h
周四，1.5h
上午：0h
下午：完成人机计算作业的草稿，0.5h；思考科研方向：基于历史轨迹生成轨迹数据库和数字孪生的应用场景，1h
晚上：0h
周五，0.5h
上午：0h
下午：读paper：挖掘语义移动模式，0.5h
晚上：0h
周六，1.5h
上午：0h
下午：继续完成数据挖掘作业，0.5h
晚上：完成数据挖掘作业，0.5h;完成工程伦理作业,0.5h、
周日，2.75h
上午：准备随机过程考试，特征函数的定义和性质，1.75h
下午：读paper，结合上交的论文，思考了具体的科研道路、目标和方法，例如，重现论文，并尝试改进，以发表新论文/像WQR师姐那样，以ubicomp会议投稿日期为导向，提出新问题，设计思路/没有比科研更重要、更有趣的事情，面对外部的压力（不规律、没规则、责任外推）和独处的无聊；0.5h
晚上：开始做随机过程习题1，2h；更新下周OKR并补充提醒备忘录，0.5h