应用数据科学研究者William Koehrsen发布一篇关于“过度拟合和拟合不足”的博文，作者解释了在模型训练中过拟合与欠拟合的概念与原因，并解释了方差与偏差的概念，并介绍了克服模型过拟合与欠拟合的方法——验证集。也许你曾看过关于“过拟合与欠拟合”的博文，但是本文绝对也值得一看，因为作者使用现实生活中的例子进行概念讲解，把概念的理解变成一个有趣的过程，相信会令您耳目一新！
常用的图像形态学操作包括膨胀、腐蚀、闭运算、开运算。膨胀操作会扩大（粗化）图像中物体的轮廓，可以用来弥补（填充）物体间的孔洞，强化离散点，代价是导致物体的面积比原来的面积要大。腐蚀操作会收缩（细化）图像中物体的轮廓，可以用来断开（分离）物体间的连接，消除离散点，代价是导致物体的面积比原来的面积要小。
这篇文章主要介绍了机器学习中最先进的算法之一——神经网络的八种不同架构，并从原理和适用范围进行了解读。机器学习和神经网络如此优秀，我们先来探讨两个问题——为什么需要机器学习？为何要使用神经网络？之后在来详细了解八种不同的网络架构。
胶囊网络（CapsNets）是一个热门的新型神经网络体系结构，可能对深度学习，特别是计算机视觉，有深远的影响。等等，已经不是有很多计算机视觉问题被解决了吗？我们不是所有人都能看到卷积神经网络（CNNs）在各种计算机视觉任务（例如分类，定位，物体检测，语义分割或实例分割）中达到超人类水平的神话般的例子吗？
网络就是一台台硬件设备，还有上面飞奔的数据，这切片到底是咋回事？这就引出了下面这一连串的问号：为什么5G需要网络切片？网络切片，到底切的是什么？怎么实现网络切片？5G网络切片会带来哪些商业模式的更新？
2019年6月26日至28日，2019 MWC 上海将于上海新国际博览中心 (SNIEC)、浦东嘉里大酒店及上海卓美亚喜玛拉雅酒店举行。Imagination Technologies公司将参加此次盛会，并进行图像处理、人工智能、无线通信等前沿技术及应用的展示。在此，诚挚邀请您前往N2馆D111号展台参观我们的现场演示并与我们进行交流。
大数据对数字技术产生了积极和消极两方面的影响。一方面，大数据技术使企业更容易为客户服务。另一方面，大数据已经产生了许多需要注意的安全风险，特别是利用Hadoop技术的企业。
5G是下一代移动互联网，它意味着很快的速度，当5G技术足够成熟时，它将取代4G。5G有很多优点，它比4G更快、覆盖更广泛的区域、连接将更加稳定、设备与其连接的网络之间的响应时间将减少。这种先进的连接将对技术及其使用方式产生重大影响。从我们与智能手机或家用设备的互动方式，到为整个行业提供动力，例如自动驾驶汽车，智能城市和永远在线的医疗保健等等。
机器学习模型被互联网行业广泛应用，如排序、推荐、反作弊、定位等。一般做机器学习应用的时候大部分时间是花费在特征处理上，其中很关键的一步就是对特征数据进行归一化，为什么要归一化呢？很多同学并未搞清楚，维基百科给出的解释：① 归一化后加快了梯度下降求最优解的速度；② 归一化有可能提高精度。本文将简单扩展解释下这两点。
计算机视觉（Computer vision）是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成更适合人眼观察或进行仪器检测的图像。
本文探讨了在5G领域使用机器学习的一些实例，为基于机器学习在5G 领域的高级应用和分析方法指出了潜在的可能方向。随着5G应用对网络性能的要求日益增加，更加强大和优化的网络将会为大幅度提高网络性能，随之而来也为用户带来更好的体验。
在德勤最新的全球汽车消费者调查中，数以万计消费者就影响汽车行业的核心问题分享意见。根据《2019年德勤全球汽车消费者调查》，自动驾驶科技应用不断广泛延伸至实际生活中，但消费者对于自动驾驶汽车的安全性的信心似乎未见提升。
神经网络的发展史可以分为三个阶段，第一个阶段是Frank Rosenblatt提出的感知机模型，感知机模型的逻辑简单有效，但不能处理异或等非线性问题。第二个阶段是Rumelhart等提出的反向传播算法，该算法使用梯度更新权值，使多层神经网络的训练成为可能。第三个阶段得益于计算机硬件的发展和大数据时代的到来，促进了深度神经网络的发展。
这篇文章主要面向的是非专业的读者，简单直白地介绍了机器学习的概念、内涵、以及机器学习的相关问题。对于专业人士而言也可以依据这篇文章对机器学习的概念做更深入的理解，看看如何向身边朋友们解释你所从事的工作。
Imagination在汽车领域的丰富经验及虚拟化产品使其从竞争对手中脱颖而出。Imagination Technologies的PowerVR Series9XTP已被Telechips选用，将用于其车载信息娱乐系统（IVI）和汽车驾驶舱解决方案。
