《中电十四所》专题

什么是深度学习 有两种方式来衡量模型的深度：第一种就是sequential instructions的数目，我们可以把这个想象成最长的计算路径；另一种方式就是描述概念之间相互关系的网络深度，但是这个方式呢要计算需要计算每个concept的representation，所以会比graph的深度要深，主要是因为简单的概念能被定义，从而能够表述更加复杂的概念。 深度学习的历史 深度学习有着长而丰富的开始

简介 贝叶斯网络又称信度网络，是Bayes方法的扩展，是目前不确定知识表达和推理领域最有效的理论模型之一。从1988年由Pearl提出后，已经成为近几年来研究的热点.。一个贝叶斯网络是一个有向无环图(Directed Acyclic Graph,DAG),由代表变量节点及连接这些节点有向边构成。节点代表随机变量，节点间的有向边代表了节点间的互相关系(由父节点指向其子节点)，用条件概率进行表达关系强

1 引言 经过前面许多讲之后，我想大家应该对 Django 的基本开发概念和过程已经有所了解。那么是时候讲一些关于设计方面的东西。首先要声明，目前 Django 基本上还没有什么设计的教程，而我也只能写一些个人体会。 那么这篇教程的体会就是：View, Template and Templatetag 2 View, Temaplte 和 Tag 之间的关系 View 在 Django 中是用来处

1 引言 让我们再仔细看一下这个通讯录，我们知道，如果想增加新的记录，一种方法是通过 admin 界面，这个已经由 Django 自动为我们做好了。我们还可以批量导入，这个是我们实现的。但是这里有风险，为什么？如果什么人都可以导入这可是件不好的事，那么怎么办： 加权限控制 。 Django 自带了一个权限控制系统，那么我们就用它。因此先让我们简单地了解一下 Django 中的权限。同时我希望只有特

一个用于生成二十面体的类。// iOS iframe auto-resize workaround if ( /(iPad|iPhone|iPod)/g.test( navigator.userAgent ) ) { const scene = document.getElementById( 'scene' ); scene.style.width = getComputedStyle( sce

一个用于创建十二面几何体的类。// iOS iframe auto-resize workaround if ( /(iPad|iPhone|iPod)/g.test( navigator.userAgent ) ) { const scene = document.getElementById( 'scene' ); scene.style.width = getComputedStyle( s

鸟类启发我们飞翔，牛蒡植物启发了尼龙绳，大自然也激发了许多其他发明。从逻辑上看，大脑是如何构建智能机器的灵感。这是启发人工神经网络（ANN）的关键思想。然而，尽管飞机受到鸟类的启发，但它们不必拍动翅膀。同样的，ANN 逐渐变得与他们的生物表兄弟有很大的不同。一些研究者甚至争辩说，我们应该完全放弃生物类比（例如，通过说“单位”而不是“神经元”），以免我们把我们的创造力限制在生物学的系统上。 人工神经

本章介绍了上一个练习的解决方案，然后测试树形映射的性能。我展示了一个实现的问题，并解释了 Java 的TreeMap如何解决它。 13.1 简单的MyTreeMap 上一个练习中，我给了你MyTreeMap的大纲，并让你填充缺失的方法。现在我会展示结果，从findNode开始： private Node findNode(Object target) { // some implement

在这个课程中，我们已经研究了几个不同的统计量，包括总编译距离，最大值，中位数和平均值。在关于随机性的明确假设下，我们绘制了所有这些统计量的经验分布。有些统计量，比如最大和总变异距离，分布明显偏向一个方向。但是，无论研究对象如何，样本均值的经验分布几乎总是接近钟形。 如果随机样本的性质是真的，不管总体如何，它都能成为一个有力的推理工具，因为我们通常不清楚总体中的数据。大型随机样本的均值分布属于这类性

本章将研究 Go 语言进程、线程和 goroutine，会涉及到操作系统关于进程、线程的知识，同时研究 Go 语言提供的相关标准库 API；goroutine 作为 Go 的一个核心特性，本章会重点介绍。 虽然标准库中能操作进程、线程和 goroutine 的API不多，但它们是深入学习、理解 Go 语言必须掌握的知识。本章从操作系统和 Go 源码层面深入探讨它们。

这一课中我们将介绍一种检测对象边缘的方式，为了方便介绍，我们这里所提到的 3D 对象的轮廓都是当从任意方向上照射到物体上的光线创建出来的。当光源发生移动时，物体的轮廓也会随之变化。这与在 2D 图片中检测图片中物体的边界完全不同（图片中的边缘检测与光源的位置无关）。虽然说这一课的主要目的是介绍边缘检测的，但是对于我来说这一课另一个重要目的是作为 模板阴影体 技术的第一个步骤，模板阴影体技术主要用于

想象一下如果你想渲染一大片军队在马路上行进的场景，那么你需要渲染上千个士兵，但是如果你只有一个士兵的模型，你要怎么做呢？当然你可以每绘制一个士兵就调用以此绘制函数，并且在每次调用的时候都为它的相关一致变量设置不同的参数，例如士兵的位置，或者是士兵的身高，等等。 因此，每次我们调用绘制函数的时候，我们都需要更新当前绘制的这个士兵的 WVP 矩阵，以及这个士兵的其他一些特殊的参数，但是这个方法的开销是

我们之前使用的光照技术还算不错，光线在模型表面得到了很好的插值，为场景营造出真实感。但是这种效果还能够有非常大的提升。事实上，我们以前使用的这种插值方式在某种程度上来说是对效果提升的一个障碍，特别是当纹理代表的是凹凸不平的平面的时候，这使得模型看起来就太平滑了。例如下面这两幅图片： 左边的图片比右边的图片看起来要好多了，它将石头表面的凹凸不平的感觉很好的表现了出来，而右边的图片看起来则感觉太光滑了

光照是 3D 图形学的最重要的研究领域之一。对光照得体的模拟会使渲染的场景增加很多视觉吸引力。之所以使用“模拟”这个词是因为你无法完全准确的计算出光在自然界中的表现。真正的光是由大量的称为“光子”的粒子组成的，并且同时表现出波和粒子的特性（光的“波粒二象性”）。如果你在程序中试图序计算每一个光子的作用，那么你将很快用光电脑的计算力。 因此，这些年来出现了一些光照模型，它们可以近似的模拟自然界中光照

在这一节中我们将使用鼠标来控制相机的方向，从而得我们的相机控制更加完善。相机根据其使用的场景不同而有不同的自由度。在本教程中我们将要实现的是与第一人称游戏中相似的相机控制（如枪战类游戏）。这意味着我们将可以使相机完成 360 度的旋转（绕着 Y 轴），这与我们的头部向左转向右转、身体转一整圈类似。除此之外我们也能使相机向上或者向下倾斜以获得更好的向上的或者向下的视野但是我们不能使之沿同一转向翘起一