本文将重点关注卷积神经网络，也被称为CNNs或Convnets。CNNs是一种特殊类型的神经网络，特别适合于图像数据。

本文介绍了如何计算因子风险暴露的内容。

本文以双均线策略为例，描述如何在策略平台上，开发一个传统的趋势跟踪策略，以更好地理解。双均线策略的策略思想是：当短期均线上穿长期均线时，形成金叉，此时买入股票。当短期均线下穿长期均线时，形成死叉，此时卖出股票。研究表明，双均线系统虽然简单，但只要严格执行，也能长期盈利。

在平台上可以快速开发股票传统策略和股票AI策略，今天拿市值因子来练手，看看两个策略在2015-01-01到2016-12-31这两年时间各自的收益风险情形。市值因子是国内股票市场能够带来超额收益的alpha因子，已经被验证为长期有效的因子，也是广大私募基金常用的因子之一，传统的选股策略的股票组合大多在市值因子上有很大的风险暴露。。。AI市值策略是通过策略生成器构建策略，采用StockRanker排

很多朋友习惯了同花顺、大智慧等看盘软件，经常问到筹码分布如何计算。说起来筹码分布的理论在庄股时代堪称是一个划时代产品，虽然历经level2数据、资金流统计、拆单算法与反拆单算法等新型技术的变革，庄股时代也逐渐淡出市场，但其背后的市场逻辑仍然具备一定的参考意义。本篇就以BigQuant平台为基础，复现经典筹码理论的基础变量计算，为因子挖掘提供更多参考特征。

很多朋友习惯了同花顺、大智慧等看盘软件，经常问到筹码分布如何计算。说起来筹码分布的理论在庄股时代堪称是一个划时代产品，虽然历经level2数据、资金流统计、拆单算法与反拆单算法等新型技术的变革，庄股时代也逐渐淡出市场，但其背后的市场逻辑仍然具备一定的参考意义。本篇就以BigQuant平台为基础，复现经典筹码理论的基础变量计算，为因子挖掘提供更多参考特征。

本文介绍了如何计算因子风险暴露的内容。

本文基于点云的物体检测的最相关类别有一个总览；它们在各自的数据表示、特征提取和检测网络的体系结构方面有所不同。了解一种可用的探测器是如何工作的，通过将激光雷达点云转换为鸟瞰视角，然后将强度、高度和点密度输入卷积神经网络来寻找车辆。最后，是如何使用召回率和精度来评估目标检测器的性能。

通过本文内容，熟悉激光雷达传感器技术，理解飞行时间（time-of-flight ）原理，并了解其他技术，如FMCW或OPA系统。此外，了解了如何从Waymo帧中提取范围图像，如何将范围和强度数据可视化，并将其转换为3d点云。

在environment.cpp中使用pcl查看器的函数是initCamera和initHighway，initCamera函数用于在窗口中设置不同的观察角度，有5种不同的选择:XY, TopDown, Side和FPS---XY提供45度视角，FPS则是第一人称视角，给人一种坐在汽车驾驶座上的感觉。...