demi的博客

增强现实（AR）技术与行业结合可以提升行业价值、带来新的解决方案并提升用户体验。很多企业希望将AR技术纳入到自己的生产与销售过程中，所以投资或收购AR相关企业，这有效地推动了增强现实行业的增长，使其成为科技经济的重要组成部分。

我们在学习人工智能的时候，不管是机器学习还是深度学习都需要经历一个调参的过程，参数的好坏直接影响这模型效果的好坏。今天我们介绍下在深度学习中，调参的技巧主要分为哪些。

对象序列化的最主要的用处就是在传递和保存对象的时候，保证对象的完整性和可传递性。序列化是把对象转换成有序字节流，以便在网络上传输或者保存在本地文件中。序列化后的字节流保存了对象的状态以及相关的描述信息。序列化机制的核心作用就是对象状态的保存与重建。

R-CNN全称为Region-CNN，它可以说是第一个成功地将深度学习应用到目标检测上的算法。后面提到的Fast R-CNN、Faster R-CNN全部都是建立在R-CNN的基础上的。R-CNN遵循传统目标检测的思路，同样采用，对每个框提取特征、图像分类、非极大值抑制四个步骤进行目标检测，只不过进行了部分的改进。

多年来，零售体验并没有发生太大变化：走进商店，寻找合适的产品，然后购买。但人工智能的出现正在改变一切，通过个性化、自动化和效率提高将零售体验提升到新的水平。下面让我们来看看20个人工智能改善零售体验的实例。

Gartner公布了七大新兴的安全和风险管理趋势，这些趋势将在长期内影响安全、隐私和风险领导者：风险偏好声明与业务成果挂钩；安全运营中心正在实施，重点是威胁检测和响应；数据安全治理框架应该优先考虑数据安全投资；无密码认证正在引领市场；安全产品厂商正在越来越多地提供高级技能和培训服务；投资云安全，将其作为主流计算平台的能力；在传统安全市场中增加Gartner CARTA。

机器学习中涉及到了很多的概念，当然要想了解机器学习的话就需要对这些基础知识有一个深入的了解才能够入门机器学习，那么机器学习的基础知识都有哪些呢？本文给大家列举一下机器学习的基础知识。

噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般，噪声信号与要研究的对象不相关，它以无用的信息形式出现，扰乱图像的可观测信息。通俗的说就是噪声让图像不清楚。噪声来源两个方面：图像获取过程中；图像信号传输过程中。

梯度下降法，是当今最流行的优化（optimization）算法，亦是至今最常用的优化神经网络的方法。本文旨在让你对不同的优化梯度下降法的算法有一个直观认识，以帮助你使用这些算法。我们首先会考察梯度下降法的各种变体，然后会简要地总结在训练（神经网络或是机器学习算法）的过程中可能遇到的挑战。

CNN的结构，包括输出层，若干的卷积层+ReLU激活函数，若干的池化层，DNN全连接层，以及最后的用Softmax激活函数的输出层。在CNN的模型基础上，看看CNN的前向传播算法是什么样子的。重点会和传统的DNN比较讨论。