在听别人的汇报，也会下意识寻找与自己课题的交叉点。
第二个汇报的就是胖子维杰。
他提出了一种基于互信息的特征选择方法，用于降低高维特征空间中的冗余。
汇报过程中，曹鹏三次举手提问，一次关于互信息估计中核函数带宽的选择依据，一次关于该方法在类别不平衡数据集上的鲁棒性，还有一次关于计算复杂度的实际评估。
每次提问都朝着要害而去。维杰的回答起初还游刃有余，到第三个问题时，额头已渗出细密的汗珠。
“计算复杂度方面，”维杰翻动着幻灯片，试图找到相应的分析页面，“理论上是o(n2)，但实际实现中我们采用了近似算法……”
“近似算法的误差界是多少？”曹鹏追问。
会议室安静了几秒。瑞迪抬起头，目光在两人之间扫过，嘴角似乎微微上扬了一毫米—，这是他对学生间高质量辩论的认可。
“这……我们还在分析。”维杰最终承认。
“那么在你的实验结果中，至少应该标注‘使用近似算法’的说明。”曹鹏的语气没有得意，只是陈述事实，“否则对比是不公平的。”
维杰点头坐下时，曹鹏对他眨了眨眼，这是两人之间的默契，辩论归辩论，不影响午饭时一起吐槽系里新出台的服务器使用规定。
瑞迪教授朝曹鹏点头，“上周我们讨论了sift特征在动态场景中的漂移问题。曹鹏提出了一个新框架的初步想法。今天，请他详细展开。”
曹鹏起身，在靠近白板的位置坐下，他没用投影，有些思路，手写更能体现思考的脉络。
“谢谢教授。”他转向小组，目光扫过每个人的脸。
维杰抱着手臂，眉头微皱，艾米丽已打开笔记本，二年级博士生汤姆眼神放空，大概还没从昨晚的dota战中回神，而博士后捷尔任斯基，则冲曹鹏眨眨眼。
“我们现有的图像分类流程：特征提取、编码、池化、分类器。”曹鹏画了四个方框，“问题在于，手工设计的特征，比如sift在类别增多、视角变化剧烈时，区分度下降。而编码阶段用的k-ans或稀疏编码，本质是假设特征服从单一分布。”
说到这儿，他等等，看是否有人提问。维杰动了动嘴唇，但最终选择放弃。
“我的提议是，放弃手工特征，直接从像素学起。”曹鹏在“特征提取”框上打了个叉，“但不是用传统的全连接神经网络，参数量太大，且忽略