demi的博客

数据挖掘又称数据库中的知识发现，是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程 利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等， 它们分别从不同的角度对数据进行挖掘。

人工智能和自动化不再是科幻小说的内容；它们在商业和消费者领域都是一种非常真实而且在不断增长的存在。对于许多公司而言，人工智能可以通过高级数据分析简化操作并改善决策制定。自动化日常任务还可以解放员工，让他们集中精力从事可以推动业务发展的大型项目。

数学是很难的科学，但因为它是科学家用数学来解释宇宙的语言，我们无可避免的要学习它。看看下面的这些GIF动图，它们提供了视觉的方式来帮助你理解各种数学技巧。

编者按：知名创投研究机构CB Insights调研了25种最大的AI趋势，以确定2019年该技术的下一步趋势，他们根据行业采用率和市场优势评估了每种趋势，并将其归类为必要、实验性、威胁性、暂时的，网易智能整理翻译，参与小小、Meadowdow、怿立、nariiy、Aaliyah。

胶囊网络将挑战最先进的图像识别算法

1、开源框架（Open-Source Frameworks）

一般传统的光照是 forward rendering(shading) ，即我们在顶点着色器(VS, 大多是法线和位置到剪切空间的变换)中做一系列的顶点变换，再到片元着色器(FS)中对每个像素进行光照计算。由于每个物体的每个像素只有一次单独的FS调用，所以我们不得不提供给FS所有光源信息，并在计算每个像素光照效果时将它们都考虑进去。

毫无疑问，2018年是人工智能(AI)发展的重要一年，因为进一步推动了人工智能的主流应用，并成功地实现了提供更多功能的自动化。越来越多的企业探索人工智能的应用程序，并且公众已经习惯于每天与人工智能技术进行交互。

人工智能技术将继续改变世界。在2019年，人工智能应用不仅将继续在全球普及中增长，而且还将围绕重要主题开展更深层次的对话，推动创新商业模式，并以新的方式影响社会，其中包括以下7个方面的发展。

1. 将更广泛地部署机器学习即服务(MLaaS)

在2018年，人们见证了机器学习即服务(MLaaS)的重大进展，谷歌、微软和亚马逊等行业巨头一路领先。预构建的机器学习解决方案和能力在市场中变得越来越有吸引力，特别是对于没有更多内部资源或人才的小型公司来说，销售和部署可以轻松实施的打包解决方案的机会很大。

为了让自动驾驶汽车成为技术的福音，它需要一个能够智能处理周围环境的系统，协助其应对复杂的交通场景、路障、坑洼、车道、车道标记或路上经过的任何车辆。只有当它像人类一样对外部世界有感觉时，上述功能才能实现。自动驾驶需要与其他车辆、乘客和周围的交通参与者进行沟通，这样它就可以确定道路上的确切位置，并决定在当前情况下如何行动。

在5G时代，网络与人工智能的结合将成为必然命题，运营商应紧紧抓住国家人工智能发展规划带来的历史性机遇，充分利用各方技术、产品、运营实力，促进通信行业向网络智能化、业务个性化、行业应用智慧化和管理智能化转型。

遗传算法(Genetic Algorithms)，也有人把它叫作进化算法(Evolutionary Algorithms)，是基于生物进化的“物竞天择，适者生存”理论发展起来的一种应用广泛且高效随机搜索与优化并举的智能算法，其主要特点是群体搜索策略和群体中个体之间的信息交换，不依赖于问题的梯度信息。遗传算法最初被研究的出发点不是为专门解决最优化问题而设计的，它与进化策略、进化规划共同构成了遗传算法的主要框架，都是为当时人工智能的发展服务的。

余弦相似度（Cos距离）与欧氏距离的区别和联系：欧式距离和余弦相似度都能度量 2 个向量之间的相似度；放到向量空间中看，欧式距离衡量两点之间的直线距离，而余弦相似度计算的是两个向量之间的夹角；没有归一化时，欧式距离的范围是 (0, +∞]，而余弦相似度的范围是 (0, 1]；余弦距离是计算相似程度，而欧氏距离计算的是相同程度（对应值的相同程度）；归一化的情况下，可以将空间想象成一个超球面（三维），欧氏距离就是球面上两点的直线距离，而向量余弦值等价于两点的球面距离，本质是一样。