demi的博客

深度学习是使用现代硬件的人工神经网络的应用。它使开发，训练和使用比过去更大（更多层）的神经网络成为可能。研究人员提出了数千种类型的特定神经网络，它们往往是对现有模型的修改或调整。有时也会有全新的方法。作为一名从业者，我建议你等到模型出现后普遍适用后再使用。因为很难从每天或每周发布的大量出版物的中梳理出效果良好的那个。

KNN算法，即K近邻算法是一种监督学习算法，本质上是要在给定的训练样本中找到与某一个测试样本A最近的K个实例，然后统计k个实例中所属类别计数最多的那个类，就是A的类别。 从上面一句话中可以看出，KNN的原理非常简单粗暴，而且是一种“在线”的学习方式，即每一次分类都需要遍历所有的训练样本，此外KNN算法还有几个要素：K，距离，分类决策规则。

我们可以从一次次网络安全危机中学到很多非常重要的教训，即便是那些并非实际发生的，而是比现实更具虚构色彩的危机亦是如此。

接下来就是要进行更为精准更智能的追踪。因此，在接下来的代码演示Demo中我重新设计了几个类，一个是PlayObject，这个类其实也没有什么新的东西，都是之前已经介绍过的，无非就是速度向量、位置以及移动控制等它的代码设计如......

物联网正在快速发展，每月都有数以百万计的新传感器和设备上线。如果您觉得您最近听到了很多关于它的事情，那可能是因为，尽管物联网历史相当悠久，但它也才刚刚真正开始起步，并由廉价、低功耗的组件、广泛的网络连接以及企业和消费者的许多兴趣所推动。

在Opengl ES中我们使用最多的有两种类型的纹理：TEXTURE_2D和TEXTURE_EXTERNAL_OES，后面一种纹理主要用于摄像头数据采集，通过SurfaceTexture来转换得到，而摄像头采集获得的数据一般是YUV格式的，事实上，通过查看Opengl的源码我们知道，Android底层对TEXTURE_EXTERNAL_OES这种类型的纹理是经过特殊转换的......

Linear Discriminant Analysis (也有叫做Fisher Linear Discriminant)是一种有监督的（supervised）线性降维算法。与PCA保持数据信息不同，LDA是为了使得降维后的数据点尽可能地容易被区分！

假设原始数据表示为X，（m*n矩阵，m是维度，n是sample的数量）

既然是线性的，那么就是希望找到映射向量a， 使得 a‘X后的数据点能够保持以下两种性质：

1、同类的数据点尽可能的接近（within class）

2、不同类的数据点尽可能的分开（between class）

所以呢还是上次PCA用的这张图，如果图中两堆点是两类的话，那么我们就希望他们能够投影到轴1去（PCA结果为轴2），这样在一维空间中也是很容易区分的。

接下来是推导，因为这里写公式很不方便，我就引用Deng Cai老师的一个ppt中的一小段图片了：

1987年，美国学者Robert Hecht-Nielsen提出了对偶传播神经网络模型 （Counter Propagation Network，CPN），CPN最早是用来实现样本选择匹配系统的。CPN 网能存储二进制或模拟值的模式对，因此这种网络模型也可用于联想存储、模式分类、函数逼近、统计分析和数据压缩等用途。

你是否想过，入主客厅的智能音箱正在悄悄记录你的一言一行？又是否想过这些不被隐瞒的数据被心怀不轨的黑客利用？“入侵”生活的智能产品在带来万物互联的利好之外，它更像是悬在头顶的达摩克利斯之剑，不知道会在哪个毫无征兆的瞬间突然落下。对于隐私安全泄漏的问题，我们真的无法避免了吗？

UPR是一套为Unity开发者打造的在线测试服务。UPR通过用户友好的数据呈现方式和自动化建议功能，为Unity开发者提供一种24小时自助式优化咨询服务。