【Unity】网格数据结构 https://docs.unity.cn/cn/2022.3/Manual/AnatomyofaMesh.html 基本构成 网格由以下几部分数据组成： 顶点：3D 空间中的位置集合以及可选的附加数据。 拓扑：网格每个面的结构类型，默认情况下都是三角型。 索引：描述如何将顶点组合成拓扑表面。 对于可变性网格，还包含些额外数据： 混合形状：混合形状数据。 绑定姿势

【人工智能】机器学习 什么是机器学习？ 在研究领域使计算机能在没有明确编程的情况下自行学习解决问题的规律。更具体来说，我们可以通过机器学习训练出模型，并用这些模型解决问题。 学习机器学习的目标？ 学会使用各种算法，表示、训练、使用模型。 基本概念 模型 通过机器学习来解决问题，不再是使用传统的硬编码来编写程序，相反其生成的“解题工具”是一堆参数集，而这些参数集被称作模型。 类比到数学上

【人工智能】深度学习 深度学习又叫神经网络，最早是人们仿照人脑工作原理设计的算法，不过如今更多的是利用工程学的思想去开发而不是生物学。 基本概念 激活（单元）：一个神经元。 激活值：一个神经元的输出。 层：一组具有相同或相似输入的神经元。 输入层：用于初始输入的层。 输出层：用于最终输出的层。 隐藏层：用于中间计算的层。 层数：隐藏层和输出层的数量。 层序号：输入层为第 0 层，其他层按序

【博客搭建】Latex 数学书写笔记 Latex 是一种文档书写语言，支持大量的特殊字符，包括书写数学公式，并且很多 Markdown 环境都支持该语言。 布局实现 靠左：使用内联数学块$...$。 居中：使用多行数学块$$...$$。 内联数学块也可以像多行数学块那样书写，也可以实现多行公式，只是不能使用空白行和部分布局功能。 对齐实现 123\begin{对齐环境}&a

【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 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 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 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 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

【博客搭建】Hexo 使用笔记 Hexo 是一款前端博客框架，可以自动根据基于 Markdown 的文章生成博客网站代码。 基本概念 项目结构 目录 描述 _config.yml 网站的配置信息 themes 主题文件夹 scaffolds 模板文件夹 scripts 脚本文件夹 source 资源文件夹 source/_drafts 草稿文件夹 source