demi的博客

在机器学习、数据挖掘、推荐系统完成建模之后，需要对模型的效果做评价。业内目前常常采用的评价指标有准确率(Precision)、召回率(Recall)、F值(F-Measure)等，本文将对其中某些指标做简要介绍。

眼下，第四轮科技革命物联网大潮汹涌而来。从物联网提出到今天逐渐落地，无论是传统企业还是科技企业，都面临着新的挑战和新的机遇。本文将为大家总结物联网亟需解决的问题及2019年关于物联网的趋势预测。

所有电子艺术图像被分为两种核心类型：光栅图像（也称为“位图”）和矢量图像。简而言之，光栅图像由连接的点组成，矢量是由连接的线组成的图像。这两种格式彼此完全不同，但当适当地用于所需的最终输出方法时，它们彼此形成对比和互补。

一个完整的机器学习项目一般流程包括： 1、抽象成数学问题；2、数据获取及分析；3、数据预处理；4、特征工程；5、训练模型选择与调优；6、后处理；7、模型评估。

均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。

全息技术是利用干涉和衍射原理记录并再现物体真实的三维图像的记录和再现的技术。其第一步是利用干涉原理记录物体光波信息，此即拍摄过程：被摄物体在激光辐照下形成漫射式的物光束；另一部分激光作为参考光束射到全息底片上，和物光束叠加产生干涉，把物体光波上各点的位相和振幅转换成在空间上变化的强度，从而利用干涉条纹间的反差和间隔将物体光波的全部信息记录下来。

深度学习对抗样本(Adversarial Examples)的概念最早是Christian Szegedy 等人在ICLR2014发表的论文中提出来的，即在数据集中通过故意添加细微的干扰所形成输入样本，受干扰之后的输入导致模型以高置信度给出了一个错误的输出。

近年来，边缘计算这项强大的技术已得到了充分的发展，拥有物联网设备的公司是该考虑增强其设备安全和分析能力了。

常用必然事件——Awake：脚本实例被创建时调用；Start： Update函数第一次运行之前调用；Update：每帧调用一次；FixedUpdate：每个固定物理时间间隔调用一次；Reset：用户点击检视面板的Reset按钮或者首次添加该组件时被调用。此函数只在编辑模式下被调用。Reset最常用于在检视面板中给定一个最常用的默认值......

EM算法也称期望最大化（Expectation-Maximum,简称EM）算法，它是一个基础算法，是很多机器学习领域算法的基础，比如隐式马尔科夫算法（HMM）， LDA主题模型的变分推断等等。本文就对EM算法的原理做一个总结。