demi的博客

人工智能的快速进步和发展引发了对其两用应用和安全风险的绝望猜测。从自动武器系统（AWS）到面部识别技术再到决策算法 ，人工智能的每一个新兴应用都会带来好的和坏的。正是人工智能技术的这种双重性质不仅给各国的个人和实体带来了巨大的安全风险：政府、行业、组织和学术界（NGIOA），还有人类的未来。

阴影技术中最简单的一种（其他的可以算作他的变种）是所谓的shadow mapping（适用于平行光）。它需要事先为场景中的物体，在以光源为视角的视口内，渲染一张深度图。在那个视口里，只有最靠近光源的片元才能将自己的深度写入这张深度图。

机器学习的核心在于使用学习算法建立模型，对已建立模型的质量的评价方法和指标不少，本文以准确率(也称为精度)或判定系数(Coefficient of Determination)作为性能指标对模型的偏差与方差、欠拟合与过拟合概念进行探讨。

机器学习只能记住训练数据中存在的模式。你只能认识你已经看到过的东西。利用机器学习对过去的数据进行训练，用于预测未来，这样的做法假设未来的行为将于过去类似。但是，通常并非如此。

在麻省理工学院第五届企业论坛“万物互联”的会议活动中，关于物联网发展现状的调查报告似乎带来了喜忧参半的结果。自该活动启动以来的五年中，物联网和边缘计算领域已经在某些方面得到长足的发展，而在其他领域并没有发生真正重大的变化。

在特征工程之特征选择中，我们讲到了特征选择的一些要点。本篇我们继续讨论特征工程，不过会重点关注于特征表达部分，即如果对某一个特征的具体表现形式做处理。主要包括缺失值处理，特殊的特征处理比如时间和地理位置处理，离散特征的连续化和离散化处理，连续特征的离散化处理几个方面。

OpenGL是一份API规范，并不是一个库。记住这点非常重要！它意味着每一个API背后的具体实现都依赖于你的GPU硬件、操作系统以及显卡驱动。

在Unity3D中，有多种方式可以改变物体的坐标，实现移动的目的，其本质是每帧修改物体的position。

数字信号处理的每个过程差不多都会有噪声出现，而最终得到的图像是噪声与信号的各种作用以后末级产生，噪声处理可以是最后统一处理也可是各个过程的分批处理，所以对噪声的产生以及分类的了解是很有必要的。

在这篇文章中，我将会介绍一些我们在 Cardiogram 中调试 DeepHeart 时用到的技术，DeepHeart 是使用来自 Apple Watch、 Garmin、和 WearOS 的数据预测疾病的深度神经网络。在 Cardiogram 中，我们认为构建 DNN 并不是炼金术，而是工程学。