博客

K-Means算法是无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛。K-Means算法有大量的变体，本文就从最传统的K-Means算法讲起，在其基础上讲述K-Means的优化变体方法。包括初始化优化K-Means++, 距离计算优化elkan K-Means算法和大数据情况下的优化Mini Batch K-Means算法。

网关是一种充当转换重任的计算机系统或设备。在使用不同的通信协议、数据格式或语言，甚至体系结构完全不同的两种系统之间，网关是一个翻译器。与网桥只是简单地传达信息不同，网关对收到的信息要重新打包，以适应目的系统的需求。同时，网关也可以提供过滤和安全功能。

我们知道，深度学习神经网络是模仿人类大脑神经元的运行方式而来的。在每一层中，来自上一层（或者输入源）的信号经由神经元处理，将结果和前向信号传递给下一层的神经元。

事实上，在神经网络中，我们几乎总是选择我们的模型作为运行随机梯度下降的输出。对线性模型来说，我们分析SGD如何作为一个隐式调节器。对于线性模型，SGD总是收敛到一个小规范的解决方案。因此，算法本身隐含地规范了解决方案。

LeNet-5是Yann LeCun在1998年设计的用于手写数字识别的卷积神经网络，当年美国大多数银行就是用它来识别支票上面的手写数字的，它是早期卷积神经网络中最有代表性的实验系统之一。可以说，LeNet-5就相当于编程语言入门中的“Hello world！”。

Unity 2018.4 LTS长期稳定支持版现已发布，该版本将提供持续2年的稳定支持。Unity LTS版本适用于希望继续开发和发布已有游戏或内容的用户，以及那些想要长时间保持使用一个稳定版本的用户。

对于数字图像处理而言，一般包含着空间域处理和变换域处理两种形式。空间域处理方法主要是直接以图像中的像素操作为基础，它主要分为灰度变换和空间滤波两类。灰度变换是在图像的单个像素上操作，主要以对比度和阈值处理为目的。

本文清晰展示三种模式的不同之处，其实这三种不同模式是对卷积核移动范围的不同限制。

人工智能和机器学习以及不断增加的数据量正在改变当前的商业和社会格局。这些领域中出现了许多需要CIO注意的主题和问题。

当显示器的分辨率或显示屏的PPI（每英寸的像素数）足够大时，人眼将无法看清具体的像素点，但相邻像素之间的色彩差异也会产生明显的错落感，高分辨率/PPI由于像素变得非常细腻，可以同比缩小锯齿，但仍不能完全消除锯齿。

当“自动驾驶汽车”、“无人驾驶汽车”两个词频频被大众所提及，有关自动驾驶等方面的消息便一直成为一种神奇的力量，引导着大家对未来交通抱有无尽的幻想和各种猜测。

觉得自己了解恶意软件？恐怕你的恶意软件认知需要更新一下了。如何查找和清除恶意软件也有一些基本的建议可供参考。

在隐马尔科夫模型HMM（一）HMM模型中，我们讲到了HMM模型的基础知识和HMM的三个基本问题，本篇我们就关注于HMM第一个基本问题的解决方法，即已知模型和观测序列，求观测序列出现的概率。

前向渲染是通过深度缓冲和颜色缓冲来实现的，使用深度缓冲来决定一个片元是否可见，如果可见，则更新颜色缓冲区中的颜色值。如果场景中有n个物体受m个光源的影响，那么要渲染整个场景，则需要n*m个pass，如果m较多的话，这个开销还是比较大的。

物联网这一术语通常指的是网络连接和计算能力扩展到通常不被认为是计算机的设备、传感器和日常用品的情况，允许这些东西（设备）在最少的人工干预下生成、交换和消费数据。不过，并没有单一的、普遍的定义。

GPU图形处理，可以大致分成 5 个步骤：第一步，vertex shader。第二步，primitive processing。第三步，rasterisation。第四步，fragment shader。最后一步，testing and blending。

迁移学习是深度神经网络最吸引人的特性之一。在这篇文章中，我们将首先看看什么是迁移学习，什么时候可行，什么时候不可行，为什么在某些情况下行不通，最后总结一些关于迁移学习的最佳实践的建议。

在进行任何AI/ML部署之前，组织需要将其数据科学的研究工作与项目管理的最佳实践相结合。在2019年1月，Gartner发布了一项调查，37%的受访者表示他们已经在某种程度上使用了人工智能(AI)，但54%的受访者表示，他们所在组织的技能短缺阻碍了他们积极推进使用人工智能的进程。

物联网时代受欢迎的五大岗位：工业数据工程师；机器人协调员；IT/IoT解决方案架构师；工业计算机工程师/程序员；工业用户界面(UI)/用户体验设计师(UX)。

隐马尔科夫模型（Hidden Markov Model，以下简称HMM）是比较经典的机器学习模型了，它在语言识别，自然语言处理，模式识别等领域得到广泛的应用。当然，随着目前深度学习的崛起，尤其是RNN，LSTM等神经网络序列模型的火热，HMM的地位有所下降。