demi的博客

深度学习常见专业名词：输入层；输出层；隐含层；卷积；池化；激活函数；Dropout......

判别模型和生成模型总结：判别方法：由数据直接学习决策函数 Y = f（X），或者由条件分布概率 P（Y|X）作为预测模型，即判别模型。生成方法：由数据学习联合概率密度分布函数 P（X,Y）,然后求出条件概率分布P(Y|X)作为预测的模型，即生成模型。由生成模型可以得到判别模型，但由判别模型得不到生成模型。

Google刚刚在Android开发人员网站上发布了Android 11版本的开发人员预览版，主要供开发人员测试该新版本的功能。在新版本中，Google发布了一些新功能和改进。随着开发人员版本的不断变化，将发布更多新功能和改进。最终，Google将在开发者大会上正式宣布该版本，并于八月左右发布正式版本，届时一些旗舰Android设备将率先获得更新。

物联网一直是最近讨论最多的技术。从我们如何沟通到我们如何打开房门，一切都被这一不可思议的运动所影响。随着全球技术的进步，这些趋势预计将持续到2020年。让我们来看一下新兴的物联网趋势，以及2020年最重要的变化。

Error = Bias + Variance ，Error反映的是整个模型的准确度， Bias反映的是模型在样本上的输出与真实值之间的误差，即模型本身的精准度， Variance反映的是模型每一次输出结果与模型输出期望之间的误差，即模型的稳定性。

为了给即将到来的 5G 网络提供完善的支持，谷歌已经在 Android R（又名 Android 11）开发者预览版本中做好了支持五种不同的 5G 连接状态的准备。随着 5G 时代的到来，Android 体验亦有望迎来各种激动人心的扩展，比如“动态计量”和新近更新的带宽预估 API 。

大多数时候，项目并不需要一直保持最高帧率渲染，尤其是在移动平台上。过去，Unity开发者们常使用Application targetFrameRate或Vsync（垂直同步）来限制引擎的渲染速度。这种方法在影响渲染的同时，还会对其他部分的运行速率造成一些影响。而新的按需渲染API允许开发者将渲染频率从整体中独立出来调整。

随着智能家居市场的持续增长，人们不禁要问未来的智能家居会是什么样子。以下是我们对未来十年智能家居的展望。

贝叶斯个性化排序(Bayesian Personalized Ranking, 以下简称BPR)，它也用到了矩阵分解，但是和funkSVD家族却有很多不同之处。本文我们来详细讨论。

大家有没有发现这样一种现象：在很多数据集中，每个样本内部，都或多或少地包含着一些与标签无关的信息；这些信息的话，其实就是冗余的。然后，即使在同一个样本集中，各个样本的噪声含量也往往是不同的。那么，降噪算法中常用的软阈值函数，能不能嵌入到深度残差网络中呢？