demi的博客

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。

据IDC统计，2020年全球物联网市值将达8.9兆美元。到2013-2020年，物联网设施的年复合成长率将高达17.5%，世界将出现超过500亿个智慧联网装置，所以物联网被视为继移动互联网后的最大科技商机。

智慧城市暨物联网的趋势

什么是物联网(Internet Of Things)?到目前为止，物联网并没有一个统一的明确定义。不过简单的说，物联网就是「物与物相联并可以彼此沟通的网络」，所以让所有物品都连上互联网并对环境「全面感知」、进而透过各种有线或无线网路进行「可靠传递」，最后进行各种「智慧处理」创造增值服务，例如智慧家庭、智慧医疗、智慧交通、智慧节能及智慧零售等各种应用，因而给民众带来更便利的智慧生活。

智慧城市是物联网的重要应用场景、物联网是实现智慧城市的重要基础

「智慧城市」的概念最早源自于IBM提出的「智慧地球」。

对模式的识别是人类智慧的一个重要体现，人类具有很强的模式识别能力，能对千千万万的具体的物质进行识别，也能对事物进行高级抽象后的模式进行识别。一个人对模式识别的学习从小孩就开始，知道了这是花草、那是蓝天白云。这些对人类来说很简单的事情，其实是很复杂的智能行为。

对于神经网络的入门概念来说最重要的是一些相关的理解性概念：反向传播、激活函数、正则化以及BatchNomalizim等。其实反向传播归根结底就是一个每一次训练的动态更新的的过程，其遵循的原理是数学中的求导以及链式法则；理解了反向传播，也就能够理解梯度消失等相关的情况以及概念......