demi的博客

计算机视觉的特征提取算法研究至关重要。在一些算法中，一个高复杂度特征的提取可能能够解决问题（进行目标检测等目的），但这将以处理更多数据，需要更高的处理效果为代价。而颜色特征无需进行大量计算。只需将数字图像中的像素值进行相应转换，表现为数值即可。因此颜色特征以其低复杂度成为了一个较好的特征。

AI技术发展的三大支柱：“算法＋大数据＋计算能力”，算法是人工智能发展的核心关键之一，很多技术环节和系统功能的实现都依赖于算法的精准度，算法的优劣直接影响了人工智能的发展方向。那么我们当下感受到的人工智能生活服务，运用了哪些AI算法呢？

物联网（IoT）现已成为工业技术对话的重要组成部分。尽管如此，人们对这项技术及其应用的热情并没有减弱。展望未来几个月，有五个领域是企业内部物联网应用开发的关键......

每个人都知道物联网，但它的一个子集——工业物联网，在整个制造业和工业流程中具有非常广阔的前景，并一直在提高运营效率。事实上，它已经让大多数公司的生产力、可扩展性和成本效益得到显著改善。

在过去的十年中，我们的家庭已经装满了越来越多的设备，无论大小，简单和复杂，它们都已连接到Wi-Fi。每个设备都需要路由器的一些时间和带宽，这已成为一个问题。家庭里拥有的设备越多，路由器的容量就越稀疏。如果这种情况继续下去，速度可能会减慢。

大多数人工神经网络忽略了生物神经网络的尖峰特性，这使得简化底层模型以及诸如反向传播等学习技术成为可能。但是，这样做是否违背了生物神经网络最核心的原则了呢？

GPU：负责整个渲染流水线。它会从处理CPU传递过来的模型数据开始，进行Vertex Shader、Fragment Shader等一系列工作，最后输出屏幕上的每个像素。因此它的性能瓶颈包括顶点、像素、显存等因素有关。

决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。

人工智能，或者说计算机视觉的一个最终目标在于构建一个真正可适用于真实世界复杂环境的系统。而就目前所应用的机器学习系统而言，大部分采用了有监督的学习方法，也必然导致了需要广泛收集图像样本，并进行对应的图像标注的工作。而人力时有穷尽，高质量的样本集图片又是构建一个优秀的机器学习系统的关键因素。

我国物联网产业经由十年的蓬勃发展，在科技创新、政策扶持和市场需求的多重驱动下，物联网通信设备和系统运营提供商达到了世界前列水平，目前物联网生态系统已基本形成。