▽综述、参考文献拓宽，形成倒金字塔

除此以外，这种学习模式也比较容易有针对性地以点带面，即浏览作者撰写的综述部分和提供的参考文献，从文献中形成树状搜索来获得这一领域所需的背景知识、基础，以及不同视角的观点方法等。在阅读中，如果我们发现自己在公式和理论理解上存在障碍或偏差，可以再按图索骥地到更基础的教科书或工具书中找答案。通过这种学习模式，最终形成对该研究方向的总体印象，一个点扩张成一个面甚至是一个能支撑这个点的倒金字塔式知识结构，这样构成的倒金字塔的底是扎实且具有一定针对性的。我记得我当年考硕士研究生的时候，也采用了这一策略，效果还不错。因为大学毕业后就工作了，有五年时间完全没碰过专业书，以至于数学基本忘光了，所以为了能考上研究生，只好把树状搜索的深度做深一点儿，当时连初等代数的内容都重新复习了一遍。

回到正题，这样形成的基础不仅能让学生对其研究方向有好的前瞻性，也能让学生快速对待研究方向存在的问题形成深刻认识，以期在相对短的时间内找到突破口。

另外，除了研究方向的针对性强以外，与从书籍来打扎实的基础相比，阅读论文也许还有一个额外的好处，就是不太容易被教科书中的条条框框束缚。有句话说得好，知识越多，思考越难。人类的创新往往都是从犯错开始的，甚至可以等同于一种犯错。如果过于遵守或相信教科书中的规范与准则，其实我们就容易限制住自己的想象力或想象空间，不敢进行批判性思维。所以，我们需要或多或少地避开基础误区。

那如何能激发好的想象力呢？下篇分解！

参考文献：

[1] DUDA R O, HART P E，STORK D G. Pattern classification[M]. Hoboken, NJ: Wiley-Interscience, 2000.

[2] BISHOP C M. Pattern recognition and machine learning[M]. New York: SpringerVerlag, 2007.

[3] HASTIE T, TIBSHIRANI R, FRIEDMAN J. 统计学习要素（2nd edition）[M]. 张军平，译.北京：清华大学出版社，2021.

[4] 周志华. 机器学习[M]. 北京：清华大学出版社，2016.

[5] GOODFELLOW I, BENGIO Y, COURVILLE A. Deep learning[M]. Cambridge, MA: The MIT Press, 2016.

[6] DEVROYE L, GYORFI L, LUGOSI G. A Probabilistic theory of pattern recognition[M]. New York: Springer-Verlag, 1997.

[7] CESA-BIANCHI N, LUGOSI G. Prediction, learning and games[M], Cambridge, UK: Cambridge University Press, 2006.

[8] KOLLER D, FRIEDMAN N. Probabilistic graphical models: principal an dtechniques[M], 王飞跃，韩素青译. 北京：清华大学出版社，2019.

[9] 徐匡迪. 中国有多少数学家投入到人工智能的基础算法研究中？上海院士沙龙[EB/OL]. [2019-05-01].

[10] 陈省身，陈维桓. 微分几何讲义[M]. 北京：北京大学出版社，2001.

[11] MUNKRES J R. Analysis on Manifolds[M]. Boulder, CO: Westview Press, 1997.

[12] 陈维桓. 微分流形初步[M]. 北京：高等教育出版社，2001.

[13] BOYD S, VANDENBERGHE L. Convex Optimization[M]. Cambridge, UK: Cambridge University Press, 2004.