博客

据外媒报道，人工智能(AI)也许有一天会比我们人类自己更好地沟通情感。由科罗拉多大学和杜克大学研究人员开发的神经网络模型EmoNet能够准确地将图像跟11种不同的情绪类别配对起来。神经网络是一种计算机模型，其通过一系列的过滤器来学习将输入信号映射到感兴趣的输出。

渲染管线的优化策略：一旦确定了瓶颈位置，就可以对瓶颈所处阶段进行优化，以改善我们游戏的性能。根据解决问题的不同阶段，对一些优化策略进行了分类整理，将分为六个部分来进行呈现：对CPU的优化策略；应用程序阶段的优化策略；API调用的优化策略；几何阶段的优化策略；光照计算的优化策略；光栅化阶段的优化策略。

长短期记忆（（Long short-term memory）最早是1997年由Hochreiter 和 Schmidhuber在论文《LONG SHORT-TERM MEMORY》中提出的。在神经网络发展的过程中，几乎所有关于LSTM的文章中对于LSTM的结构都会做出一些变动，也称为LSTM的变体。其中变动较大的是门控循环单元（Gated Recurrent Units），也就是较为流行的GRU。

人工智能是一个涵盖几种特定技术的总称。本文我们将探索机器视觉（MV）和计算机视觉（CV）。它们都涉及到视觉输入，因此了解这些重叠技术的优势，局限性和最佳用例场景非常重要。

Wi-Fi将在未来五年内继续主导这个行业，因为它成为中央对新兴技术，包括机器人、无人机、自动驾驶汽车和新的医疗设备等项目的核心。在Gartner最新发布的2019年及以后的十大无线技术趋势中显示，Wi-Fi位居榜首。“企业和IT领导者现在需要了解这些技术和趋势。”Gartner研究副总裁尼克•琼斯（Nick Jones）强调说。

生成对抗网络是个好东西，不过训练比较麻烦，这里有一些技巧和陷阱，分享给大家。

你能想象到10年后自己的工作场所会变成什么样子吗？由于快速发展的技术正在改变工作性质、劳动模式以及工作场所等概念，因此，它可能会与今天我们所看到的一切截然不同。为了保持竞争力，跟上时代发展要求，您需要了解新兴技术对未来工作的影响。您必须战略性地整合这些创新，来吸引合适的人才，在提高效率的同时提升利润。

你的公司已经开始使用人工智能（AI）了，但是你是否有效地控制了人工智能所涉及的风险？人工智能是一个新的增长渠道，有可能提高生产力和改善客户服务。但是，你需要评估涉及到网络安全的风险管理。首先，你在考虑人工智能趋势的时候就应该把风险纳入其中。

由于人工神经网络的快速发展，它已经成为模式识别的强有力的工具。神经网络的运用展开了新的领域，解决其它模式识别不能解决的问题，其分类功能特别适合于模式识别与分类的应用。多层前向BP网络是目前应用最多的一种神经网络形式，它具备神经网络的普遍优点，但它也不是非常完美的, 为了更好的理解应用神经网络进行问题求解, 这里对它的优缺点展开一些讨论。

图像配准广泛用于遥感，医学图像，计算机视觉等。通常，它的应用根据图像获取方式主要分为四组：从不同视角获取同一场景图像；从不同时间获取同一场景图像；从不同传感器获得同一场景图像；场景到模型的配准。

虽然我不是专门研究迁移学习的，但是作为一个AI研究者，就如题图吴老师所说，迁移学习极为重要，是必须要学习的，今天就先总结介绍一些迁移学习的基础知识。

渲染细节：根据影响物体的光源不同，正向渲染用单个或者多个通道来渲染物体；在正向渲染中光源本身也会根据他们的设置和强度受到不同的对待。ForwardBase和ForwardAdd是专门为在Forward渲染路径下渲染物体而设计的两种Pass。其中ForwardBase会优先于ForwardAdd渲染。

2019年7月，AI的当前态势如何？根据最新调查、研究与预测结果，我们对AI技术在工作影响层面的未来期望与当前现实做出总结；此外，我们亦整理了AI技术采用的条件、挑战与收益；以及与数据这一AI基本素材相关的其它指标。

插值算法在图像缩放处理中是一项基本且重要的问题。插值算法有多种，最常用的有最近邻插值、双线性插值以及立方卷积插值。本文对三种插值算法进行简单分析并对它们的处理结果加以比较，最后总结了三种算法各自的优缺点。

近年来，人工智能（AI）、大数据等科技和产业生态的持续发展，推动了VR（虚拟现实）的不断演进。虚拟现实终端已由单一应用向多元化应用、由分立向融合的方向演变。VR产业应用领域不断扩大，产业链条不断完善，将成为B端客户不可缺少的一部分，据中商产业研究院发布的报告显示：2019年中国虚拟现实市场规模将达225.6亿元。

机器视觉伴随着CCD/CMOS传感技术、计算机技术、嵌入式技术、现场总线技术的发展，CCD视觉检测技术已经逐步发展成为工业自动化生产过程中不可或缺的关键组成子系统。机器视觉系统被应用于各行业的生产设备中，助力行业设备升级，提高产线工艺水平，提升产品的质量和成品率，是现代工业的核心技术之一。

神经网络做分类等问题的核心原理是使用升维/降维、 放大/缩小、旋转、平移、弯曲这5大类操作完成扭曲变换，最终能在扭曲后的空间找到轻松找到一个超平面分割空间。

文中列举了渲染管线各个阶段中用到的几十种主流的优化策略。其中，个人印象比较深刻的优化方法有使用实例（Instance）结合层次细节和impostors方法来对多人同屏场景的渲染进行优化，以及使用纹理页（Texture Pages）来进行批次的尺寸最大化。

线性判别分析(Linear Discriminant Analysis,LDA)是一种有监督学习算法，同时经常被用来对数据进行降维，它是Ronald Disher在1936年发明的，有些资料上也称位Fisher LDA。LDA是目前机器学习、数据挖掘领域中经典且热门的一种算法。

如今，游戏中使用的人工智能比以往任何时候都更加复杂，玩家的游戏体验前所未见。开发者使用的AI工具更加强大，这让游戏更加真实同时还能简化开发过程，我们接下来讨论AI技术如何推动手机游戏的变革与手游开发进程。