深入学习卷积神经网络中卷积层和池化层的意义（二）
<font size="3"><strong>CNN卷积神经网络卷积层和池化层详解</strong></font>
卷积神经网络（Convolutional Neural Network，简称CNN），是一种前馈神经网络，人工神经元可以响应周围单元，可以进行大型图像处理。卷积神经网络包括卷积层和池化层。
人工智能为何会成为安防领域一大刚需？
一直以来，视频监控便是是安全防范系统中的重要组成部分，传统的监控系统包括前端摄像机、传输线缆、视频监控平台。然而查看视频不仅是件工作量巨大而且是人力效率极低的事情，一直以来，安防领域都在寻求着不同的解决方法。人类监视监控视频的能力限制导致其对人工智能的需求。
<font size="3"><strong>早期解决方案-运动检测相机</strong></font>
物联网分析（AoT）的重要性
物联网技术可促进生产生活，为社会创造价值。实际上，物联网背后的传感器技术及其产生的数据有着更大价值，然而我们却很少关注它们。这种情况必须改变！
<font size="3"><strong>物联网分析的重要性</strong></font>
科研人员通常会投入了大量精力来研发、部署传感器，而不是对这些传感器生成的大量数据进行分析。但是，没有经过分析的数据是一文不值的。如果科研人员将更多的精力放在创建流式传输传感器之前生成的数据上，那会更好。
如果有了物联网分析（AoT），将会创造什么价值呢？小编通过几个案例来进行说明：
<strong>1、预测性维护</strong>
极具破坏力的DDoS：浅析其攻击及防御
<font size="3"><strong>一、DDoS的概念</strong></font>
<strong>1. 什么是“DDoS”?</strong>
DDoS:Distributed Denial of Service(分布式拒绝服务)攻击指借助于客户/服务器技术，将多个计算机联合起来作为攻击平台，对一个或多个目标发动DDoS攻击，从而成倍地提高拒绝服务攻击的威力。通常，攻击者使用一个偷窃账号将DDoS主控程序安装在一个计算机上，控制大批量的肉鸡发动攻击。
<strong>2. 什么是“拒绝服务”攻击?</strong>
深入学习卷积神经网络中卷积层和池化层的意义（一）
<font size="3"><strong>为什么要使用卷积呢？</strong></font>
在传统的神经网络中，比如多层感知机（MLP），其输入通常是一个特征向量，需要人工设计特征，然后将这些特征计算的值组成特征向量，在过去几十年的经验来看，人工找到的特征并不是怎么好用，有时多了，有时少了，有时选择的特征根本就不起作用（真正起作用的特征在浩瀚的未知里面）。这就是为什么在过去卷积神经网络一直被SVM等完虐的原因。
如果有人说，任何特征都是从图像中提取的，那如果把整副图像作为特征来训练神经网络不就行了，那肯定不会有任何信息丢失！那先不说一幅图像有多少冗余信息，单说着信息量就超级多。。。
关于高精度地图定义的探讨
高精度地图是自动驾驶/无人驾驶的重要组成，那究竟什么是高精度地图？
网上找了两个关于高精度地图的定义，如下：
定义一：高精细地图是指高精度、精细化定义的地图，其精度需要达到分米级才能够区分各个车道，如今随着定位技术的发展，高精度的定位已经成为可能。而精细化定义，则是需要格式化存储交通场景中的各种交通要素，包括传统地图的道路网数据、车道网络数据、车道线以和交通标志等数据。
定义二：高精度电子地图也称为高分辨率地图(HD Map，High Definition Map)，是一种专门为无人驾驶服务的地图。与传统导航地图不同的是，高精度地图除了能提供的道路(Road)级别的导航信息外，还能够提供车道(Lane)级别的导航信息。无论是在信息的丰富度还是信息的精度方面，都是远远高于传统导航地图的。
关于物联网关键技术RFID的简单剖析
<font size="3"><strong>物联网关键技术——RFID</strong></font>
<strong>什么是RFID？首先得搞清楚什么是物联网。</strong>
物联网是继计算机、互联网与移动通信网之后的世界信息产业的又一次革命。2005年11月国际电信联盟(ITU)发布了《国际电信联盟互联网报告2005：物联网》，将物联网定义为“把任何物品通过信息传感设备(如RFID)与互联网连接起来，进行信息交换和通信，可实现智能化识别、定位、跟踪、监控和管理。”
人工智能黑暗面
大数据文摘出品
编译：DonFJ、蒋宝尚
机器学习是现在大家都打了鸡血想用或者在用的技术。
但是，你以为只有好人能用它吗？Too young too simple！
接下来，我将揭秘AI技术黑暗的一面——犯罪份子和人工智能的孽缘。
数字图像处理中滤波和卷积操作详细说明
<font size="3" color="#33b1c8"><strong>线性滤波与卷积的基本概念 </strong></font>
线性滤波可以说是图像处理最基本的方法，它可以允许我们对图像进行处理，产生很多不同的效果。做法很简单。首先，我们有一个二维的滤波器矩阵（有个高大上的名字叫卷积核）和一个要处理的二维图像。然后，对于图像的每一个像素点，计算它的邻域像素和滤波器矩阵的对应元素的乘积，然后加起来，作为该像素位置的值。这样就完成了滤波过程。
