【技术美术】程序化噪波实现
【技术美术】程序化噪波实现 噪波基本原理 首先通过观察噪波，可以确定我们的需求： 噪波的特性： 随机性：宏观来看，各区域的颜色是随机的。 平滑性：微观来看，各像素间的颜色是连续的。 稳定性：同样的输入参数只会得到同样的结果。 而为了实现这些特性，需要采样以下方法： 噪波的实现 随机性：利用随机数生成算法获取随机值。 稳定性：随机数算法实际是一种哈希函数，产生的是可控的伪随机。 平滑性
【软件开发】CMake 学习笔记
【软件开发】CMake 学习笔记 CMake 是什么？ 是构建系统（如 Visual Studio）的文件（如 .vcxproj .sln）的创建器，具体要生成的构建系统可以通过 CMakePresets 文件中的 generator 指定。 构建系统一般不是跨平台的，但 CMake 支持在不同的操作系统上生成不同的构建系统文件，通过这种包装的方式从而实现了 C++项目的跨平台。 CMake 指
【人工智能】分类模型
【人工智能】分类模型 逻辑函数 逻辑函数是分类模型中常用的一种数据处理函数，其能实现将任意输入参数，以 0 为分界线转换到 0-1 的范围，以此便实现了将回归模型的技术放在分类模型中使用。 g(z)=11+e−zg(z) = \frac{1}{1+e^{-z}} g(z)=1+e−z1 逻辑回归模型 逻辑回归用于判断单个事件的发生概率，其回归模型如下： f(x)=g(w⃗⋅x⃗+b)=11+e−
【人工智能】回归模型
【人工智能】回归模型 回归是监督学习中的一种问题类型，用于求解从无数个连续数值中选择答案。学习训练和使用回归模型，可使我们能够解决这类问题。 线性回归模型 使用输入输出为线性关系的函数表示模型，且这类模型专门用于解决回归问题。 单变量线性回归模型 f(x)=kx+bf(x)=kx+b f(x)=kx+b 输入特征：xxx 模型参数：k,bk,bk,b 输出变量：yyy 多元线性回归模型 f(x
【人工智能】模型优化
【人工智能】模型优化 模型属性 拟合：指模型对数据集中数据的预测能力。 泛化：指模型对数据集之外数据的预测能力。 拟合问题 欠拟合（高偏差）：模型拟合能力差（如用直线拟合曲线数据）。 过拟合（高方差）：模型拟合能力非常好，但不能泛化（曲线变化率过高，经常给自己“加戏”）。 解决过拟合 增加训练数据 减少输入特征 正则化模型参数 正则化参数 正则化模型参数的本质就是将模型参数也记录到成本