申请的学校和项目如下。美国： CS/CNBC Ph.D.,LTI Master @ CMU CSE Ph.D. @ Washington (Seattle) CS Ph.D. @ UCSD CS Ph.D.,CS Master @ UT Austin ECE Ph.D. @ GaTech Neuroscience Ph.D @ USC CS Ph.D. @ TAMU BME Ph.D @ UMN 加拿大： CS M.Sc. @ UBC CS M.Sc. @ UofT
结果：Offer: CS/CNBC Ph.D. @ CMU,2013/01/29 (中国时间) Withraw: 其他所有。
CS/CNBC = Computer Science / Neural Basis of Cognition，具体可见 http://www.cs.cmu.eu/prospectivestuents/octoral/inex.html。
申请方向：主攻 Computational Neuroscience，外加基于此的 CV、AI。
离 CMU 发 offer 已经有些日子了，自己的申请也结束了。我最大的感受有两条：实力重要，运气也同样重要；塞翁失马，焉知非福。
在申请之初，就有一些人和我说，CS Ph.D. 申请很困难，申请者如果没有 paper，去 top 20 的学校是没戏的；还有一些人也和我讲了类似的话，其大致意思就是：CS Ph.D. 难申，没 paper 等亮点更难申。
成功的关键——好的 research interest
所 以，在有一段时间里，自己对前途还是感到比较迷茫的。对硬件好，但是科研平平的我来说，最重要的是找到一个可以在众多申请者中突出自己的方法。回过头来想 想，自己能拿到 CMU 的 Ph.D. offer，关键就是我在 SOP 中写了一个比较特别的 research interest。我是主要做过两个方向：一个是在 ZJU 实验室的 CV 方向，另一个是在 UBC 实验室的 BCI 方向。我如果申请 CV 方向，一定会被那些手握几篇 CVPR 的大牛们瞬间碾过；而我在 BCI 方面的经验又比较少，如果只申与 BCI 相关的东西，也未必很有优势。上面的话，总结起来，就是这样的：做过两个方向；经验多的方向大牛太多，经验少的方向体现不出自己优势。这样看起来，我不管写这两个方向中的任何一个，都会死得很惨。但是，申请 Ph.D. 时的方向，也不完全是由本科的科研经历精确地决定的。本科和研究生阶段做完全一样的东西的人，应该不多。一段科研经历，也许横着看是与 A 相关的，竖着看就是与 B 相关的。只要本科时有相关背景，研究生时代还是有可能做新的东西的。所以，我把我的两段科研经历重新审视了一下，看看他们都与哪些领域相关。CV 经历：CV、ML（我做的 CV 项目的重点其实是一种特别的 SVM 和它的解法）、AI（我只能算有 AI 的背景）。BCI 经历：Neural Decoing（直接相关）、Signal Processing（预处理神经信号必备）、Computational Neuroscience（类似 AI，我只能算有这方面的背景）。根据以上的分析，争取将两段科研经历整合起来，再结合这几年纯 ML、CV 趋于饱和，Computational Neuroscience 有潜力的趋势，及自己喜欢 AI 的兴趣，我在 SOP 里面是如下描述我的 research interest 的。
My research interests lie at the intersection of brain an computation. Specifically,I want to research on three relate topics: 1) computational moeling of the brain; 2) pattern recognition of neural ata; 3) builing brain-inspire artificial systems.
这三个小方向都与大脑、计算有关。其中 1) 完全是没做过，只能算是有相关的背景（如 ML）；2) 就是 BCI；3) 就是以大脑为基础做 AI（比如做基于生物原理的人脸识别，与 CV、ML 有关），算是部分做过，部分有相关背景吧。
可 能大家会觉得我的 research interest 比较乱，但这也是无奈（具体原因见选校部分）。无论如何，我还是具备这几个做这几个方向的基本知识和背景的；所以，这个 research interest 也不算太离谱（当然，如果有很 match 这几个方向的人和我竞争，估计我一下子就被踢飞了）。
选校——匹配最重要
我 一开始的时候，就打定主意要做与神经计算相关的 research；因为见识少，所以在选校之前，与神经计算相关的领域，我只知道 BCI。然而，在浏览了 US News 前 30 左右的学校（排名我既参考 Computer Engineering 类的排名，也参考 Engineering 类的排名，毕竟做神经计算的，除了 CS，也有 BME、ECE 等专业的老师在做）之后，发现如果只申请 CS（毕竟跨专业难度较大）并且坚持做 BCI，那么我将没有几个学校可以去。所以，我在两个方面做出了改变：1、考虑一些自己没做过但是有相关背景的方向，例如我的 research interest 里面的 1) 和 3)；2、考虑非 CS 专业，如 Neuroscience、BME、ECE。
基于以上的几个原因，我最终得到了文章一开始的项目列表（除了 LTI 是抱着乱填的想法）。回过头想想，我隐隐觉得，Ph.D. 选校，最重要的还是看学校有没有做相关工作的老师。如果相关的老师一个没有，就算那个学校排名再烂，估计也不会要申请者。
喜从天降——运数难料1 月 29 日早，我一查邮箱，就发现了 CMU 的 offer。Dear Yimeng,Congratulations! I am please to inform you of your acceptance into the Ph.D. Program in Computer Science at Carnegie Mellon University.[以下省略若干字]
当时的心情想必有过申请经历的人都可以想象，特别是在那时 USC 与 UT Austin 貌似已经默据我的情况下。那天中午不到，我又收到了 CMU 的一位教授的邮件。这位教授今年在委员会工作，他表示对我的背景感兴趣，想招我去他实验室。在收到这个 offer 之后，我就很快接受了并 withraw 了其他所有的学校。我的申请就这样诡异地结束了……
现在仔细想想，能被 CMU 录取，主要有以下 3 个原因： 1、我申请的方向比较冷僻，竞争者较少； 2、该教授缺人手，我与他还算匹配，而且他正好在委员会； 3、除了 paper，自己其他方面都算比较优秀。后来我又仔细看了一下，在所有我感兴趣的教授中，我和 CMU 的这位教授的匹配程度，恰巧又是最高的！ 所以说，自己能去 CMU，真是少不了以上的各种巧合。而这种巧合，并不只存在于我一个人身上（这点相信大家与学长学姐聊聊便知）。每一个得到牛校 Ph.D. offer 的人，身后都应该有运气的成分吧。顺便说一句，自己 withraw 掉其他所有的学校，除了因为自己已经从了 CMU，想给其他申请者更多机会之外，也是因为我不想看到其他学校齐刷刷把我拒掉的惨状……

【微语】永远不要忘了你最初的梦想、留学的初衷。