随着无人车技术发展越发成熟，越来越多人开始关注这个号称拥有万亿量级市场的新型行业。那么今天，我就先简单介绍下通常无人车所拥有的传感器。

首先，在汽车前玻璃上装有两个摄像头，就像人眼一样，构立体图像，可以捕捉图像数据和距离数据。

转载自公众号：论智（ID：jqr_AI）
作者：Adel Nehme
编译：weakish

编者按：和数据科学研究生Adel Nehme一起，探索卷积神经网络（机器视觉和图像识别领域最重要的深度学习技术之一）背后的直觉。

<font size="3"><strong>背景</strong></font>

随着AI的突破持续吸引公众注意，人们开始不加区别地使用“人工智能”、“机器学习”、“深度学习”等术语。然而，了解这些术语的区别，有助于把握AI技术的发展趋势。

从概念提出到落地实践，从风险评估到监理全程跟踪监管，关于智慧城市规划与建设的探讨从未停止。全球来说，智慧城市的建设呈点状分布。美国迪比克市、韩国仁川市、爱尔兰戈尔韦湾、丹麦哥本哈根…它们探索着城市发展的智慧路径。

自2009年，美国IBM公司在中国连续召开了22场智慧城市讨论会，引爆“智慧城市”理念之后，我国不少城市也积极加入了这个“智慧愿景”的探索。然而国内外城市由于建设背景不同、探索路径不同，因而在摸索过程中得出的经验与教训也不尽相同。

<font size="3"><strong>智慧城市建设的背景</strong></font>

作者：宿永杰
<font color="#9a9a9a">宿永杰现就职于某知名互联网公司担任数据挖掘工程师，PC 端全栈开发工程师，擅长 Java 大数据开发、Python、SQL 数据分析挖掘等，参与过客户画像、客户识别以及自然语言处理等项目的开发，目前致力于中文自然语言处理的研究。</font>

<font color="#33b1c8" size="3"><strong>为什么会有分词</strong></font>

我们知道自然语言处理中词为最小的处理单元，当你的语料为句子、短文本、篇章时，我们要做的第一步就是分词。

0. 前言

看了台大的李宏毅老师关于Attention部分的内容，这一部分讲得挺好的（其实李宏毅老师其它部分的内容也不错，比较幽默，安利一下），记录一下，本博客的大部分内容据来自李宏毅老师的授课资料：<a href="http://speech.ee.ntu.edu.tw/~tlkagk/courses_MLSD15_2.html">Attention-ba… Model</a>。如发现有误，望不吝赐教。

1. 为什么需要Attention

众所周知，网页不仅应该被快速加载，同时还应该流畅运行，比如快速响应的交互，如丝般顺滑的动画……

<font size="3"><strong>一、GPU 加速能做什么？</strong></font>

首先我们要了解什么是 16ms 优化

&nbsp; • &nbsp; 大多数设备的刷新频率是 60 次/秒，（1000/60 = 16.6ms）也就说是浏览器对每一帧画面的渲染工作要在 16ms 内完成，超出这个时间，页面的渲染就会出现卡顿现象，影响用户体验。

&nbsp; • &nbsp; 浏览器在一帧里面，会依次执行以下这些动作。减少或者避免 layout，paint 可以让页面不卡顿，动画效果更加流畅。

受Hubel和Wiesel对猫视觉皮层电生理研究启发，有人提出卷积神经网络（CNN），Yann Lecun 最早将CNN用于手写数字识别并一直保持了其在该问题的霸主地位。近年来卷积神经网络在多个方向持续发力，在语音识别、人脸识别、通用物体识别、运动分析、自然语言处理甚至脑电波分析方面均有突破。本文将会深度详解cnn卷积神经网络原理，对人工智能领域感兴趣的朋友请继续往下看。

物联网、人工智能、AR、云计算等正颠覆着我们的世界。

11月8日， “全球CEO峰会”，将请来全球范围内极具影响力的业界领袖人物，齐聚中国电子创新之都——深圳，探索影响未来的技术与趋势，讨论电子行业在新时代面对的机遇与挑战。

随着智能化、物联化变革在全球推进，中国移动互联网的步伐已走在世界最前，移动支付、电商、在线娱乐、共享经济等的发展举世无双，十九大更为中国制造指明了一条聚焦人工智能、物联网、大数据和现代供应链等的制造强国发展路线。这正是ASPENCORE 选在中国举办本届峰会，并把主题定为“智慧中国”的原因。全球正密切关注中国的迅猛发展，来自世界各地的行业领袖和技术大咖将云集深圳，探讨人工智能的冲击与契机、物联网路线图、联网标准之争等热门话题，并前瞻改变世界的未来技术。

深度学习的历史可以追溯到几十年前，但直到大约5年前才得到了较多的关注。其中2012年是关键的一年，几乎很多东西都发生了改变，包括大神大神Krizhevsky、Sutskever以及Hinton三人基于ImageNet做的识别图像的深度卷积神经网AlexNet的发布。而随着深度学习的发展，它曾一度占据了各大媒体的头版头条，还迅速成为了人工智能领域有名的技术术语。

如今，不管是在语音识别、图像识别，还是语言翻译等领域，深度学习的研究已经取得了很多最先进的结果，并在当前大量的人工智能应用程序中发挥作用。为了抓住这一发展机会，许多企业也开始投入大量资金，进行深度学习人才的培养。然而，遗憾的是，再好的发展也会进入瓶颈期，深度学习也是一样。在未来的发展中，深度学习不太可能会消失，也不应该消失，但在该技术复苏后的5年里，现在似乎到了对其进行批判性反思的好时机。

在"云计算、物联网、移动互联网、大数据和人工智能"潮流中，物联网可谓是一个很有前途的产业。如果说互联网实现了人与人、人与物的连接，那么物联网将解决物与物连接的问题，最终让我们进入一个万物互联的时代。

据2018世界物联网博览会发布的《2017-2018中国物联网发展年度报告》显示，2017年全球物联网设备数量增长强劲，高达84亿台，首次超过人口数量。全球物联网市场有望在十年内实现大规模普及，到2025年市场规模或将成长至3.9-11.1万亿美元。

在物联网需求爆发式增长的同时，物联网技术标准混战不断升级，尤其是LPWAN低功耗广域网络的竞争可谓异常激烈，包括LoRa、NB-IoT、SigFox、RPMA、Weightless等各个技术流派。

在现今的推荐技术和算法中，最被大家广泛认可和采用的就是基于协同过滤的推荐方法。本文将带你深入了解协同过滤的秘密。下面直接进入正题

<strong>1 什么是协同过滤</strong>

协同过滤是利用集体智慧的一个典型方法。要理解什么是协同过滤 (Collaborative Filtering, 简称 CF)，首先想一个简单的问题，如果你现在想看个电影，但你不知道具体看哪部，你会怎么做？大部分的人会问问周围的朋友，看看最近有什么好看的电影推荐，而我们一般更倾向于从口味比较类似的朋友那里得到推荐。这就是协同过滤的核心思想。

换句话说，就是借鉴和你相关人群的观点来进行推荐，很好理解。

<strong>2 协同过滤的实现</strong>

图像处理中不适定问题（ill posed problem）或称为反问题（inverse Problem）的研究从20世纪末成为国际上的热点问题，成为现代数学家、计算机视觉和图像处理学者广为关注的研究领域。数学和物理上的反问题的研究由来已久，法国数学家阿达马早在19世纪就提出了不适定问题的概念:称一个数学物理定解问题的解存在、唯一并且稳定的则称该问题是适定的（Well Posed）.如果不满足适定性概念中的上述判据中的一条或几条，称该问题是不适定的。

安全”一直是车主对车辆考核的重要指标，具有主动安全的汽车，当然就有着比较高的避免事故能力，尤其在突发情况的条件下保证汽车安全。车辆安全分可以从主动安全和被动安全两个方面进行分类。今天就和大家聊聊汽车的主动安全，大致整理了九种系统：ABS、ASR、AWS、EBD、ESC、LCA、SAS、TCS、VSA。

<strong>什么是主动安全系统？</strong>

所谓主动安全，其实是和被动安全的概念相对应的。被动安全侧重于在遇到事故时尽可能地减少车内乘客受到的伤害，例如安全气囊、笼式车身就是典型的被动安全的范畴。

2018 AIIA人工智能开发者大会将于2018年10月15日到16日在苏州国际博览中心举办。本次大会是由国家发展和改革委员会高技术司、工业和信息化部科技司、国家互联网信息办公室网络数据与技术局指导，中国人工智能产业发展联盟（AIIA）主办，中国人工智能媒体官网等协办，汇集多位学术界专家和企业界高管，精准面向人工智能开发者举办的专业峰会。

大会将邀请国内外人工智能产业中的知名专家、政府主管部门负责人、行业内顶尖企业管理者、知名学者、工程师、开源社区优秀贡献团队及个人，交流技术现状趋势、分享生态建设经验、探讨开源社区运营等，内容覆盖了人工智能开发者关心的各个方面，为各个阶段各种水平的开发者提供从技术讨论、实战训练到产业应用的全方位交流学习平台。

你好，欢迎阅读长短期记忆网络（LSTM）和门控循环单元（GRU）的图解文章。我是Michael，是AI语音助理领域的机器学习工程师。

在这篇文章中，我们将从LSTM和GRU背后的原理出发。然后我将解释允许LSTM和GRU表现良好的内部机制。如果你想了解这两个网络的背后到底是什么，那么这篇文章就是为你准备的。

<font size="3"><strong> 背景</strong></font>

CNN能够对图片进行分类，可是怎么样才能识别图片中特定部分的物体，在2015年之前还是一个世界难题。神经网络大神Jonathan Long发表了《Fully Convolutional Networks for Semantic Segmentation》在图像语义分割挖了一个坑，于是无穷无尽的人往坑里面跳。

如今，“万物互联”不只是一种愿景，在很多实际的应用场景里面，已经实现了局部的物联网，如工业自动化、智慧农业、智能公交、高端酒店等场所。物联网是未来十年最具有市场前景的领域，相关的无线通讯技术也逐步出现。

在实现物联网的通讯技术里面，蓝牙、zigbee、Wi-Fi、GPRS、NFC等是应用最为广泛的无线技术。除了这些，还有很多无线技术，它们在各自适合的场景里默默耕耘，扮演着不可或缺的角色。本文笔者将通过常见的十大无线通讯技术优劣及应用场景，带大家认识真正的物联网通讯技术。

<font size="3"><strong>十大物联网通讯技术优劣及应用场景</strong></font>

AI在安全方面的角色对白帽黑客和网络罪犯都很有吸引力，但目前似乎还没有找到双方的平衡。

人工智能已经成为网络安全开发者的新宝藏，这要归功于它的潜力，它不仅可以在很大的规模上实现功能自动化，还可以根据它在一段时间内学到的东西来做出相应的决策。这可能会对安全维护人员产生重大影响——通常情况下，公司根本没有足够的资源在众多恶意软件中“大海捞针”。

例如，如果一名工作人员通常在纽约工作，突然有一天早上从匹兹堡登录，这是一种反常现象——人工智能可以看出这是一种反常现象，因为它已经学会了期望用户从纽约登录。类似地，如果该用户在匹兹堡登录后，在几分钟后又在另一个地方登录，比如加州，那么这很可能是一个恶意的危险信号。

2020年5G开始商用，但是由于覆盖面积有限，或许只能覆盖市区热点区域，很长一段时间内4G还将是起到主要覆盖的数据网络。

就5G建设本身而言，在短短的一年左右的时间内，建站的数量一定是有限的。

4G网络，移动从2013年建设到今天，联通电信从2015年开始到今天，也只是完成了城市和郊区的基本覆盖，广大农村区域覆盖还有所欠缺。而5G即使是从现在就开始建设，到2020年也就是1年多的时间，不可能完成如今天4G的网络覆盖。也就是说，在很长一段时间内4G的数据网络覆盖区域要大于5G，而作为主要数据承载网络的4G也就不会轻易被淘汰。

5G本身而言，主要是涉及到一些高端的应用和行业应用，在大量民用级应用还没有落地的情况下，暂时找不到引导个人用户使用的应用场景。

在机器学习中，性能指标（Metrics）是衡量一个模型好坏的关键，通过衡量模型输出y_predict和y_true之间的某种“距离”得出的。

性能指标往往使我们做模型时的最终目标，如准确率，召回率，敏感度等等，但是性能指标常常因为不可微分，无法作为优化的loss函数，因此采用如cross-entropy，rmse等“距离”可微函数作为优化目标，以期待在loss函数降低的时候，能够提高性能指标。而最终目标的性能指标则作为模型训练过程中，作为验证集做决定(early stoping或model selection)的主要依据，与训练结束后评估本次训练出的模型好坏的重要标准。

在机器学习的比赛中，有部分比赛也是用metrics作为排名的依据（当然也有使用loss排名）。