其他

實現臨界區的正確訪問可以採用硬體方法或是軟體方法。硬體方法是解決臨界段問題的低級方法，也叫做元方法。軟體方法則主要指的是訊號量機制。以前一遇到進程的同步或是互斥，首先想到的就是訊號量，n個進程共用一個公用的訊號量mutex，初值為1，各進程在進入臨界區之前對該訊號量進行P操作，只有在獲得該訊號量的情況下才能進入臨界區，否則將自己阻塞，等待訊號量的釋放，原理簡單易懂。       

整象素搜尋主要包括3個函數SetupFastFullPelSearch,SetMotionVectorPredictor,SetupLargerBlocks，都位於檔案mv_search.c中間。

For h.264 users, how to specify the profile/level seems to be a fairly common question. Profiles define sets of bit stream features a h.264 stream can use. Levels define restrictions on the video resolution, frame rate and some stuff called VBV

        首先說明的是：我是基於Linux From Scratch - Version 7.7-systemd來做的，宿主系統為CentOS

sonar中技術債務的計算基於SQALE（Software Quality Assessment based on Lifecycle Expectations，基於生命週期期望的軟體品質評估）方法學。 SQALE方法學是inspearit開發的，後來開源了。如果你在sqale.org上閱讀過相關文檔，你就會瞭解到它是關於“組織與代碼品質相關的非功能行需求”的。在SonarQube實現的SQALE方法中，那些非品質需求指的是品質配置中的編碼規則。

       通過kinect2.0可以獲得人體的25個關節點在3D座標系下的空間位置以及各骨骼的方位。        3D座標系以紅外感應器的中心作為原點，感應器左方為X軸正方向，感應器上方為Y軸正方向，感應器的前方為Z軸正方向，所測資料以米（m）為單位，資料格式為(float x, float y, float z)比如(0.0581612  -0.47801

債務這個詞，相信大家已經都對其深有體會了，特別是像我一樣作為“房奴”的人，每個月都要去銀行還錢，那就是債務啊。 在軟體開發的過程中，我們往往也會借債，人們稱之為技術債務，其實也就是為了快速地解決問題，而採取的不規範的方案。比方說把某個條件寫死，再比方說採用一些捷徑達到目的，而這隻是特殊情況，無法應用在其他模組中。

[BZOJ]1021 題意： 　　給出三個人之間的欠錢關係和他們各自持有的錢幣種類和個數，求能不能各自把錢還清，如果不能輸出”Impossible”，如果能輸出最小的給錢張數。 題解： 　　Dp太神了。(弱菜內建遇Dp必跪flag)總之就是Dp。　　 　　可以按錢幣種類劃分階段，那麼方程可以為 dp[i][j][k] 表示用上了前i種錢幣，達到了讓第一個人有j塊錢，第二個人有k塊錢(因為總的錢數是一定的，確定了這兩個第三個就確定了)所用的最小交換次數。那麼最後的 Ans 就是

1） 2016年的最後一個月的第一天，今天看到 很多說說，都在問，到12月了，16年的目標完成了多少呢，回想一下，收穫確實挺多的，就不一一說明了，回憶還費時間呢。今天繼續修改活力團支部的材料，單詞也連續打卡好久了呢，感覺自己棒棒噠，bootstrap學習 2）單詞打卡，英語聽力練習，bootstrap學習上海之行開始 3-4）單詞打卡，英語聽力練習，bootstrap學習上海之行開始 5）在本周的開始先將本周計劃寫一下： 論文：設計問卷調查，得到初步資料

折騰一上午，也沒在ICML2010的官方web上看到出版社資訊。豆瓣求助，得到網友相助，才看到。 http://www.informatik.uni-trier.de/~ley/db/conf/icml/  這裡有每年的ICML會議的相關詳細資料。我估計參考文獻裡還有其它的幾個需要修改，不過暫時編輯部沒說有問題，可能是他們已經修改完成了。 不管怎麼樣，等最終稿件回來時，需要核對一下這些資訊。尤其是來自ICML的很多篇文獻，要核對，還有去掉的幾篇參考文獻，需要核對。

近期，比較“出名”的人臉對齊論文主要來自於CVPR，ICCV等，如下：1、《Supervised Descent Method and its Applications to Face Alignment》，這篇論文提供了demo，並且附加了人臉姿態估計功能，估計精度還不錯。2、《Face Alignment at 3000 FPS via Regressi

http://www.cnblogs.com/bmsl/p/dongbin_bmsl_02.html 通過閱讀代碼來學習，一向時最直接快速的。本章將講解slim的第一層目錄tensorflow/tensorflow/contrib/slim/python/slim的代碼。 本層代碼主要包括learning.py, evaluation.py, summary.py, queue.py和model_analyzer.py，分別對應模型的訓練，測試，日誌記錄，隊列管理和模型分析部分。

想象一個情境：當你拖著疲憊身體回到家，你的機器人管家已經為你準備好了飯菜，打掃好了房間，溜好了狗，甚至幫你輔導完了孩子的作業，你是不是倍感舒心並且無比盼望著那天的到來。當然，未來也有另一種可能：機器完全替代了你的工作，致使你在諾大的城市裡四處流浪，還要隨時躲避機器人戰警的種族清洗。 維基百科上關於人工智慧是這樣定義的：人工智慧(Artificial Intelligence, AI)亦稱機器智能，是指由人工製造出來的系統所表現出來的智能。通俗的理解來說就是：會“思考”的程式。

互連網正以我們意想不到的速度向中央空調行業滲透。今年一季度，美的、海爾這兩大中國家電業的巨頭先後向市場發布了其針對互連網的智能家居產品及相關戰略，而且均涉及中央空調產品。在2014年中國製冷展上，美的、海爾也相繼展出了其相關的智能家居產品，其中美的專門設定了一個體驗展區，讓現場觀眾能夠體驗美的的智慧家居產品，包括專業的空氣、熱水、光源、能源、安防等解決方案。更重要的是，美的M-Smart智慧家居是一個開放的平台，不僅僅限於美的的產品，還可以將家中不同品牌的家電產品納入體系。而海爾現場展出的雲智能

　　逝水流年中一點一滴累積起來的瞭解，面對面說話時再熟悉不過的聲線，甚至在遙遠的某處，隔過門或窗，牆壁或欄杆，百轉千迴繞過來，也能辨出那特質屬於他。可聲音穿過悠長的電話線，沉重地敲擊心上，卻忽然變得陌生，不知是空間不對，還是時間錯位，想不透，這世界上許多真相多與自己聽見看見的截然相反。 　　有這樣一個男生，像突然啟動了開關，亮在你灰暗的畢業班生活裡。溫暖又憂傷的氣息在灼熱的空氣裡慢慢交錯相觸，逐漸融為一體。因為他某一個表情，你歡呼雀躍，血液沸騰。又因為他某一個詞彙，你冰凍三尺，呵氣成霜。

最近在整理一些以往的比賽經驗，下面這篇文章是我在DataCastle 參加“猜你喜歡”推薦演算法大賽獲得冠軍的思路分享。 我是Yes,boy! ，來自東北大學電腦學院。在猜你喜歡推薦系統競賽中，很幸運取得第一名的成績，下面我簡單介紹下我的思路。 本次比賽的賽題背景是給出了約3400萬條資料，包含一個商品網站站內顧客在某一時刻對某一個商品的打分值，分值範圍為1至5分。目的是通過對這些資料的學習和訓練，準確預測未來某時刻某個使用者對某個商品的評分。

特點： 資料關聯性強； 常常表現出比較差的記憶體訪問局部性 針對單個頂點的處理工作過少 計算過程中伴隨著並行度的改變 大型圖計算主要包括兩種： 基於遍曆演算法的、即時的圖資料庫，如Neo4j、OrientDB、DEX和 Infinite Graph； 以圖頂點為中心的、基於訊息傳遞批處理的並行引擎，如GoldenOrb、Giraph、Pregel和Hama，這些圖處理軟體主要是基於BSP模型實現的並行圖處理系統； BSP：一次BSP(Bulk

我們這裡使用了環境狀態作為輸入。使用Deep Q-learning做為學習演算法學習。環境獎勵定義為在單位時刻車輛沿跑道的前進距離。另外，如果車出了跑道或者和其他的車輛相撞，會得到額外懲罰。環境狀態包括車輛的速度、加速度、離跑道的左右邊緣的距離，以及跑道的切線夾角，在各個方向上最近的車的距離等等。車的行為包括向上換擋、向下換擋、加速、減速、向左打方向盤、向右打方向盤等等。 與普通的Deep

共有26個工程 機器人駕駛者(11+1) berniw berniw2 berniw3 bt damned human inferno inferno2 lliaw loethros sparkle tita libs 庫 client 實現用戶端ui confscreens learning 有關神經網路的一些演算法 math 一些數學和矩陣的演算法

在此開一帖，對之前在網上看到的相關網址進行匯總 ROSClub，國內的ROS論壇，介紹資訊、教程之類的內容:點擊開啟連結 rospy，關於rospy的API介紹：點擊開啟連結 創客智造，有介紹ROS的比較詳細的教程：點擊開啟連結 ExBot易科機器人實驗室：點擊開啟連結 古月居：點擊開啟連結 實驗樓ROS基礎教程：點擊開啟連結 機器人|技術劉部落格：點擊開啟連結