而MSAA基本上只对画面中物体的边缘进行放大、混合的抗锯操作，因为边缘是锯齿最明显的地方（注意不是所有的边缘）。提取边缘，主要是结合深度技术。MSAA是种硬件AA。我们一般说的4x、8x，就是放大倍数，放得越大，供混合的采样越充份，效果越好，但是处理速度也就越慢。FXAA也是种取边缘的技术。但是和M ...
分类：
其他好文 时间：
2018-07-02 16:12:46
阅读次数：
205
贝叶斯网络模型 贝叶斯定理：贝叶斯定理是概率论中的一个结论，它跟随机变量的条件概率以及边缘概率分布有关。在有些关于概率的解说中，贝叶斯定理能够告知我们如何利用新证据修改已有的看法。通常，事件A在事件B（发生）的条件下的概率，与事件B在事件A的条件下的概率是不一样的；然而，这两者是有确定的关系，贝叶斯定理就是这种关系的陈述。贝叶斯公式： 贝叶斯公式为利用搜集到的信息对原有判断进行
分类：
其他好文 时间：
2018-06-27 15:00:24
阅读次数：
155
Pandas中的resample，重新采样，是对原样本重新处理的一个方法，是一个对常规时间序列数据重新采样和频率转换的便捷的方法。 降采样：高频数据到低频数据 升采样：低频数据到高频数据 主要函数：resample()（pandas对象都会有这个方法） resample方法的参数 参数说明 freq ...
分类：
其他好文 时间：
2018-06-25 01:11:28
阅读次数：
385
卷积神经网络简介 卷积神经网络是多层感知机的变种，由生物学家休博尔和维瑟尔在早期关于猫视觉皮层的研究发展而来。视觉皮层的细胞存在一个复杂的构造，这些细胞对视觉输入空间的子区域非常敏感，我们称之为感受野。 通常神经认知机包含特征提取的采样元和抗变形的卷积元，采样元中涉及两个重要参数，即感受野与阈值参数 ...
分类：
其他好文 时间：
2018-06-24 13:02:46
阅读次数：
308
一.基本概述 用交叉验证的目的是为了得到可靠稳定的模型。 消除测试集与训练集选择的不好，导致训练的模型不好。 二.k折交叉验证 K折交叉验证，初始采样分割成K个子样本，一个单独的子样本被保留作为验证模型的数据，其他K-1个样本用来训练。交叉验证重复K次，每个子样本验证一次，平均K次的结果或者使用其它 ...
分类：
其他好文 时间：
2018-06-23 19:18:49
阅读次数：
285
最近帮别人做了个东西，这里分享一下pcm原始数据绘图的思路 1、pcm数据采样位数，根据采样位数选取适合自己绘图的采样点的数量 2、计算出最大最小的的采样点的值差 3、根据要显示pcm数据的控件宽高，根据pcm原始数据的在pcm数据的偏移计算出x坐标，根据pcm数据采样的数值大小计算出y坐标 4、绘 ...
分类：
其他好文 时间：
2018-06-23 17:07:53
阅读次数：
235
desc table_nameshow create tableshow index from table_namecardinality列不重复值的个数 预估的值 通过采样的形式select count（1）from table_name；5.5 show create table 会触发采样 5 ...
分类：
其他好文 时间：
2018-06-20 11:11:45
阅读次数：
127
A Gentle Introduction to Probabilistic Modeling and Density Estimation in Machine LearningAndA Detailed Explanation of Variational Auto-EncoderbyJiyang WangJiyang_wang@yahoo.comGithub.com/2wavetech简介
分类：
其他好文 时间：
2018-06-18 16:09:52
阅读次数：
244
https://doi.org/10.1016/j.coisb.2017.12.008 Yale university 2017年12月发布的基于机器学习中流形学习的单细胞降维降噪处理优化。 The manifold learning： 假设数据是均匀采样于一个高维欧氏空间中的低维流形，流形学习就是 ...
分类：
其他好文 时间：
2018-06-18 16:02:09
阅读次数：
365
减轻空间混叠效果的最简单的方法是使用大量的光线来生成图像，然后通过平均每个像素内所有光线的颜色来找到每个像素的颜色（即，某种意义上，单个像素的光线越多，该像素就越柔和）。这种方法叫做超抽样。例如，我们可以向每个像素发送9条射线，让每条射线为像素的最终颜色贡献1 / 9。 超级抽样可以帮助减少混叠的影 ...
分类：
其他好文 时间：
2018-06-14 18:07:01
阅读次数：
99
