demi的博客

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。