【视频】 IUP Intro Video 2019 Sep CN

发表于:09/19/2019 , 关键词: IUP
Imagination工程师Robert Owen罗伯特-欧文介绍Imagination大学项目(IUP)。

庆祝Dreamcast游戏机和PowerVR推出20周年!

发表于:09/19/2019 , 关键词: Dreamcast, PowerVR
作者:Benny Har-Even 20年前的今天,世嘉公司(Sega)在美国向全世界推出了Dreamcast游戏机,同年晚些时候在日本和欧洲市场Dreamcast游戏机也相继上市。虽然它在市场上的时间很短——从1999年9月到2001年3月,从网上出现的许多文章中可以明显看出这款游戏机受到了全世界玩家的喜爱,其中令人印象深刻的原因有很多,比如它能够让用户在线堆栈,... 阅读详情

Gartner 2019年人工智能成熟度曲线的超前趋势

发表于:09/19/2019 , 关键词: Gartner, 人工智能
Gartner 2019年人工智能成熟度曲线审查了在AI领域的创新和趋势潮流,以及AI计划范围。快速跟风者,首先应该为AI设计一个商业案例。对于早期使用者来说,AI的可扩展性是下一个挑战。

关于AR发展现状你需要了解的七件事

发表于:09/19/2019 , 关键词: AR
风险现实基金(Venture Reality Fund)一直在投资增强现实和虚拟现实游戏和应用程序,现在是时候进行新一轮有关AR发展现状的季度信息更新了。 基金联合创始人Tipatat Chenavasin提供了七条非常有价值的消息供我们学习了解。

兵马未动,粮草先行,6步精通机器学习中的数据准备

发表于:09/19/2019 , 关键词: 机器学习
要做机器学习项目,第一重要的就是数据!那如何来准备机器学习要用的数据就成了第一要做的事情,巧妇难为无米之炊,今天就来教大家如何成为巧妇(夫)。

深度学习中的优化调参细节总结

发表于:09/18/2019 , 关键词: 深度学习, 调参
深度学习中的技巧: 初始化参数尽量小一些,这样 softmax 的回归输出更加接近均匀分布,使得刚开始网络并不确信数据属于哪一类;另一方面从数值优化上看我们希望我们的参数具有一致的方差(一致的数量级),这样我们的梯度下降法下降也会更快。同时为了使每一层的激励值保持一定的方差,我们在初始化参数(不包括偏置项)的方差可以与输入神经元的平方根成反比 学习率(learning rate)... 阅读详情

PBR 基础知识干货总结

发表于:09/18/2019 , 关键词: PBR, 物理渲染
什么是PBR?基于物理的渲染过程。PBR是一种着色和渲染技术,用于更精确的描述光如何与物体表面互动。

[深度学习] 模型集成方法

发表于:09/18/2019 , 关键词: 深度学习
集成学习(ensemble learning)是机器学习中一类学习算法,值训练多个学习器并将它们组合起来使用的方法。这类算法通常在实践中会取得比单个学习器更好的预测结果。

上采样,反卷积,上池化概念区别

发表于:09/18/2019 , 关键词: 采样, 反卷积
通过卷积和池化等技术可以将图像进行降维,因此,一些研究人员也想办法恢复原分辨率大小的图像,特别是在语义分割领域应用很成熟。通过对一些资料的学习,简单的整理下三种恢复方法,并进行对比。

卷积神经网络中的“池化层”

发表于:09/18/2019 , 关键词: 卷积神经网络
池化(Pooling)是卷积神经网络中另一个重要的概念,它实际上是一种形式的降采样。有多种不同形式的非线性池化函数,而其中“最大池化(Max pooling)”是最为常见的。它是将输入的图像划分为若干个矩形区域,对每个子区域输出最大值。

特征选择常用算法综述

发表于:09/17/2019 , 关键词: 特征选择
特征选择 ( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS ) ,或属性选择( Attribute Selection ) ,是指从全部特征中选取一个特征子集,使构造出来的模型更好。

一定要在线性空间(Linear Space)中做光照计算

发表于:09/17/2019 , 关键词: 线性空间, 光照
啥是Gamma Correction?什么是在线性空间(Linear Space)中做光照计算?先介绍下啥是Gamma(别急,先看下去,这是解释线性空间的前置知识)。这词儿N多人听说过,而且也被各种滥用。这里只解释游戏即时渲染相关的概念。首先,就是老式CRT显示器的一个问题,给显示器输入的电压和输出的亮度不成线性关系

神经网络参数更新方法

发表于:09/17/2019 , 关键词: 神经网络
SGD(Stochastic Gradient Descent)就是最常见的随机梯度下降。向着参数的梯度的负方向改变(梯度方向是增加的方向)。相比于普通SGD,Momentum update在深度网络中收敛更好。

彻底了解什么是人工智能

发表于:09/17/2019 , 关键词: 人工智能
在计算机科学领域中,人工智能是一种机器表现的行为,这种行为能以与人类智能相似的方式对环境做出反应并尽可能提高自己达成目的的概率。 人工智能大体上可以分为 3 类:弱人工智能、强人工智能和超人工智能。 01、弱人工智能弱人工智能(Weak AI) 也被称为狭隘人工智能(Narrow AI)或应用人工智能(Applied AI),指的是只能完成某一项特定任务或者解决某一特定问题的人工智能。... 阅读详情

深度神经网络是否过拟合?

发表于:09/17/2019 , 关键词: 神经网络
作者:Lilian Weng 编译:ronghuaiyang 导读 如果你和我一样,不明白为什么深度神经网络可以推广到样本外的数据点,而不会过拟合,请继续阅读。 如果你像我一样,有传统机器学习的经验进入深度学习领域,你可能会经常思考这样一个问题:由于一个典型的深度神经网络有这么多的参数,训练误差很容易达到完美,那么它一定会遭受大量的过拟合。如何将其推广到样本外数据点?... 阅读详情