demi的博客

栅格重采样是将输入图像的像元值或推导值赋予输出图像中每个像元的过程。当输入图像和输出图像的位置（经过几何变换或投影设置等操作）或像元大小（即栅格影像分辨率）发生变化时，都需要进行栅格重采样。此外，栅格重采样是栅格数据在空间分析中处理栅格分辨率匹配问题的常用数据处理方法，为了便于分析，通常将不同的分辨率通过栅格重采样转化为相同的分辨率。

IPv6具有IPv4所缺乏的特性，这使得它在物联网部署方面具有优势，例如支持大型物联网网络、有助于延长物联网设备的电池寿命，减少其管理和维护负担。那么物联网能否有助于推动企业网络中的IPv6应用?

有道是“罗马不是一天建成的”，机器学习的发展也是历经了很长时间，在这过程中形成了五大流派：符号主义（Symbolists），贝叶斯派（Bayesians），联结主义（Connectionist），进化主义（Evolutionaries）和行为类比主义（Analogizer），这五大流派各有各的特点。

深度学习中CNN网络是核心，对CNN网络来说卷积层与池化层的计算至关重要，不同的步长、填充方式、卷积核大小、池化层策略等都会对最终输出模型与参数、计算复杂度产生重要影响，本文将从卷积层与池化层计算这些相关参数出发，演示一下不同步长、填充方式、卷积核大小计算结果差异。

用4级或5级来定义自动驾驶很难有一个明确的标准，自动驾驶也不应该搞得很复杂。自动驾驶实际包含三个问题：一是我在哪？二是我要去哪？三是如何去？能完整解决这三个问题就是真正的自动驾驶。所以特斯拉升级后的8000美元的Autopilot 2.0只有部分线控功能，不能算真正的自动驾驶。福特、百度和谷歌这些公司做的才是真正的自动驾驶，远在特斯拉之上，两者云泥之差，天壤之别。

机器学习(Machine Learning)，人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，主要使用归纳、综合而不是演绎的方法研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是一门多领域的交叉学科，涉及到概率论、统计学、逼近论、凸分析、算法复杂度理论和计算机科学等诸多学科。

雾计算是在云计算概念上的拓展，相对于云计算来说，雾计算更贴近于数据的来源，数据、数据存储、数据分析处理及应用程序都集中于网络边缘设备中，而不用通过网络到达云端。

播放视频其实和贴图非常相像，因为播放视频用到的 MovieTexture 属于贴图 Texture 的子类。Unity3D 支持的视频格式有很多，但是还是建议使用 ogv 格式的视频，使用其他格式依然需要插件转码成 ogv 格式，可以省去很多麻烦。

激活函数是神经网络的一个重要组成部分。如果不用激活函数（即相当于激活函数为f(x)=x），在这种情况下，网络的每一层的输入都是上一层的线性输出，因此，无论该神经网络有多少层，最终的输出都是输入的线性组合，与没有隐藏层的效果相当，这种情况就是最原始的感知机。

在一年的年末或下一年的年初，预测，正在成为众多机构，特别是科技行业所热衷的主题。人工智能、机器人、物联网、AR/VR、云计算、数字孪生、量子计算等热门技术更是成为各机构的预测标的。对于行业内的企业而言，有些预测足以成为企业高层制定未来规划和战略的依据。而有些预测则带有一定的主观偏好，对企业并没有实际的帮助。近期，InformationWeek通过对各大咨询公司的预测进行梳理和分析，汇总了2019年值得企业关注的十大技术预测。