目前英国在AI领域是全球的领导者，并且希望在未来发挥更大的作用。2018年是AI在英国发展的关键一年，所以我们想花费一点时间分享一下过去12个月里发生的一些重大事件。

Frame Buffer 是用来存储帧位图的数据存储区域。这里在介绍另外一个缓存，叫深度缓存 (Depth Buffer), 也叫作 Z-Buffer。从名字上来看这是一个存储深度（数据）的存储区。深度是什么？要描述一个物体的位置，需要借助参照物。我们这里扩展一下， 要用数值来表述一个物体的某种属性，要有这个数值参照的原点。既然深度值是数值，那它的参照原点是什么呢？

图像和视频通常包含着大量的视觉信息，且视觉信息本身具有直观高效的描述能力，所以随着信息技术的高速发展，图像和视频的应用逐渐遍布人类社会的各个领域。近些年来，在计算机图像处理、计算机视觉和机器学习等领域中，来自工业界和学术界的许多学者和专家都持续关注着视频图像的超分辨率技术这个基础热点问题。本文试着讲述超分辨率技术的正确打开方式，浅谈视频图像的超分辨率技术的基本概念和应用场景等问题。

如何让编辑器运行你的代码？Unity3D可以通过事件触发来执行你的编辑器代码，但是我们需要一些编译器参数来告知编译器何时需要触发该段代码。代码里可以访问到当前选中的内容（通过Selection类），并据此来确定显示视图。

2018年对于国内智能机市场来讲，并不算是一个好的年景。整体经济增速的下行及用户换机周期延长，导致用户购机欲望降低；汇率变化及整个产业链竞争的愈演愈烈，导致手机厂商不得不面临新一轮的调整与变革。2018年手机市场，恰如今年的冬天一般，散发着凛冽寒意。IDC认为，面对寒冬，整个行业不应仅仅各自取暖，静待春来，而需要广开门路，积蓄实力。在新技术与新时代到来之际，才能把握先机，占据优势。

2019年将进入借助采用特定物联网（IoT）技术的垂直集成解决方案来简化开发和大规模部署的一年。随着众多行业依靠物联网解决方案来解决其日常挑战，我们将开始看到多个发展趋势。在看过多个试点和概念验证项目（POC）由于各种原因没有扩展到大规模部署之后，我们将最终看到具有清晰投资回报（Rol）的、被大规模部署的应用案例。

目前，越来越多的网络安全解决方案都在依靠机器学习（ML）技术，来保护用户免受恶意软件的攻击。虽然基于ML的方法（如FireEye终端安全的MalwareGuard特性）在检测最新的网络威胁方面做得非常出色，但它们也带来了大量的研发和维护成本，MalwareGuard就是FireEye的数据科学家花费了两年时间研究出来的成果。

<font size="3" color="#02c3b0"><strong>什么是外挂</strong></font>

外挂，原指一切用来破坏游戏程序正常游戏数据和逻辑的工具或破解版。比如可以修改游戏内存数据的修改器，又比如可以修改网络数据包的抓包工具。这类外挂或多或少会影响游戏的内存数据、文件数据、网络数据，甚至代码逻辑。

每年都参加国际消费电子展（CES）确实可以让人们对现有的产品进行比较，同时了解技术发展的最新趋势。除了参与图形和AI相关的会议和讨论，我们还利用这个机会来看看CES 2019的一些最新发展。在物联网方面，与去年相比，2019年CES展会表现的更为强劲，虽然在2018年体育和健康市场的关联还没有完全显现出来，但是在2019年实实在在的产品已经面市了。

随着现代科学技术的发展以及人民生活水平的提高，智能设备的普及率已经越来越高，住宅家居智能化将是一个重要的发展趋势。近年来，国内外对智能家居的研究初具规模，而现有的家居监控系统智能化程度比较低，无法更好的适应新的应用需求，因此开发出更安全便利的智能家居系统具有十分重要的意义。

作者：李颋(中国电子学会研究咨询中心主任，凌霞，系中国电子学会博士)

人工智能作为新一轮产业变革的核心驱动力，正在释放历次科技革命和产业变革积蓄的巨大能量，持续探索新一代人工智能应用场景，将重构生产、分配、交换、消费等经济活动各环节，催生新技术、新产品、新产业。

Batch Normalization作为最近一年来DL的重要成果，已经广泛被证明其有效性和重要性。虽然有些细节处理还解释不清其理论原因，但是实践证明好用才是真的好，别忘了DL从Hinton对深层网络做Pre-Train开始就是一个经验领先于理论分析的偏经验的一门学问。本文是对论文《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》的导读。

机器学习领域有个很重要的假设：IID独立同分布假设，就是假设训练数据和测试数据是满足相同分布的，这是通过训练数据获得的模型能够在测试集获得好的效果的一个基本保障。那BatchNorm的作用是什么呢？BatchNorm就是在深度神经网络训练过程中使得每一层神经网络的输入保持相同分布的。

<font size="3" color="blue"><strong>术语和概念</strong></font>

为了更好的理解物理引擎，需要先了解下面的一些术语，概念。

<font size="3" color="blue"><strong>刚体(Bodies)</strong></font>

刚体(Bodies) 描述了抽象物体的物理属性，包括：质量、位置、旋转角度、速度和阻尼。Cocos2d-x 中用 PhysicsBody 对象表示刚体。当刚体和形状关联后，刚体对象才具有几何形状，未关联形状， 刚体只是一个抽象物体的物理属性集。

成为一名合格的开发工程师不是一件简单的事情，需要掌握从开发到调试到优化等一系列能力，这些能力中的每一项掌握起来都需要足够的努力和经验。而要成为一名合格的机器学习算法工程师(以下简称算法工程师)更是难上加难，因为在掌握工程师的通用技能以外，还需要掌握一张不算小的机器学习算法知识网络。

下面我们就将成为一名合格的算法工程师所需的技能进行拆分，一起来看一下究竟需要掌握哪些技能才能算是一名合格的算法工程师。

<font size="3" color="blue"><strong>一、图简介，图卷积网络的出现。</strong></font>

图（graph）是一种数据格式，它可以用于表示社交网络、通信网络、蛋白分子网络等，图中的节点表示网络中的个体，连边表示个体之间的连接关系。许多机器学习任务例如社团发现、链路预测等都需要用到图结构数据，因此图卷积神经网络的出现为这些问题的解决提供了新的思路。

<font size="3"><strong>介绍：</strong></font>

在游戏运行的时候，数据主要存储在内存中，当游戏的数据在不需要的时候，存储当前数据的内存就可以被回收以再次使用。内存垃圾是指当前废弃数据所占用的内存，垃圾回收（GC）是指将废弃的内存重新回收再次使用的过程。

Unity中将垃圾回收当作内存管理的一部分，如果游戏中废弃数据占用内存较大，则游戏的性能会受到极大影响，此时垃圾回收会成为游戏性能的一大障碍点。

本文我们主要学习垃圾回收的机制，垃圾回收如何被触发以及如何提GC收效率来提高游戏的性能。

汽车上的电子设施非常多，随着汽车变得更加智能并且逐步实现完全自动化，这些电子设备也会不断的增加。现在汽车上电子控制单元（ECU）的数量平均超过了40个，其中一些豪华汽车上集成了超过100个独立的计算单元。随着数字驾驶、先进驾驶辅助系统（ADAS）和自动驾驶汽车（AV）的出现，对于高质量的人机交互界面（HMI）和自动驾驶功能的需求也呈现指数级增长，这种对于功耗需求的增加亟待解决......

计算机视觉(Computer Vision, CV) & 机器视觉（Machine Vision, MV） 从学科分类上， 二者都被认为是 Artificial Intelligence 下属科目。

<font color="blue"><strong>什么是计算机视觉？ </strong></font>

“计算机视觉”是指用计算机实现人的视觉功能，对客观世界的三维场景的感知、识别和理解。计算机视觉是一个处于指示前沿的领域。我们认为计算机视觉，或简称为“视觉”，是一项事业，它与研究人类或动物的视觉是不同的。它借助于几何、物理和学习技术来构筑模型，从而用统计的方法来处理数据。

据权威机构统计，2018年，全球智能家居市场规模预计将达到710亿美元。高热度的市场，也表明传统家居已无法满足年轻人对生活品质的需求，智能家居成为居家生活的必备产品。本文将带你纵观智能家居行业生态，了解2019智能家居发展的7大趋势。

<font color="#02c3b0"><strong>一、可穿戴式智能设备</strong></font>

随着智能家居的火热发展，人们在熟悉了可穿戴设备对于睡眠习惯和身体各项指标的监测后，愈发期待可穿戴设备与智能家居的互动。

虚拟现实系统（Virtual Reality System，简称VR；又译作灵境、幻真）是近年来出现的图形图像领域的高新技术，也被称为灵境技术或人工环境。虚拟现实是利用电脑模拟产生一个三度空间的虚拟世界，提供使用者关于视觉、听觉、触觉等感官的模拟，让使用者如同身历其境一般，可以及时、没有限制地观察三度空间内的事物。