目录距离计算方法1.欧式距离EuclideanDistance2. 曼哈顿距离(ManhattanDistance)3. 夹角余弦4.切比雪夫距离（Chebyshevdistance）5. 汉明距离(Hamming Distance)6. 闵可夫斯基距离(Minkowski Distance)7. 马氏距离(Mahalanobis Distance)在数据挖掘中，我们经常需要计算样本之间的相似度(

在开始之前，笔者想简单介绍一下tensorflow程序读取文件的三种方式：（1）：供给数据(Feeding)：在TensorFlow程序运行的每一步， 让Python代码来供给数据。（2）：从文件读取数据：在TensorFlow图的起始， 让一个输入管线从文件中读取数据。（3）：预加载数据：在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。...

SqueezeSegNetwork structure of SqueezeSegSqueezeSeg: Convolutional Neural Nets with Recurrent CRF for Real-Time Road-Object Segmentation from 3D LiDAR Point Cloud​arxiv.org简介：将激光点云沿圆柱面投影展开为深度图转化为2D图像处

摘 要：随着5G的商业化运行，通信网络运营正面临巨大挑战，传统运维管理方式难以适应5G空前庞大的网络规模、复杂的网络结构、激增的网络流量和多元化动态业务等新的需求，成为制约5G应用推广和效能提升的最大瓶颈。人工智能近年来发展迅猛，在许多传统行业成功应用。将人工智能应用于5G网络，可以有效提升网络的自动化、自主化程度，使过去的“傻瓜式”网络逐步向“智能化”的自动运行网络演进，为5G的商业化部署和更新

传统数字化建模软件的局限无论是工业、科研还是生活娱乐中，越来越多的场合都离不开数字化三维几何建模技术。传统的数字化建模方法需要工程师熟练掌握并使用非常专业的建模软件，如：3DMAX，AutoCAD等。这些软件基于几何算法，便于建立形状规则或变形规律的几何模型；但对于不规则的复杂几何形状（如：人体组织）等就显得相形见绌。但无论是工业中精密部件的受力分析，还是医疗上3D打印骨组织替代物都需要高精度和还

支持向量机一直都是机器学习的重要工具，仅仅学会调包的同学一定经常遇到这些缩写SVM、SVR、SVC。使用时经常会用到，但又不知道什么意思，仅仅学会调包调参数不是一个机器学习者的能力体现，但完全搞懂他们的数学公式、学会复现出算法也是没有必要的。知乎上关于什么是支持向量机的解释有很多，主要为为大家总结一下这三者的区别，同时介绍在python-sklearn中的应用。1.SVM-支持向量机什么是超平面S

梯度消失产生的主要原因有：一是使用了深层网络，二是采用了不合适的损失函数。（1）目前优化神经网络的方法都是基于BP，即根据损失函数计算的误差通过梯度反向传播的方式，指导深度网络权值的更新优化。其中将误差从末层往前传递的过程需要链式法则（Chain Rule）的帮助。而链式法则是一个连乘的形式，所以当层数越深的时候，梯度将以指数形式传播。梯度消失问题一般随着网络层数的增加会变得越来越明显。在根据损失

吴恩达老师的深度学习课程是不可多得的入门教程，但由于网易官方不能发布课后习题及编程作业，很多同学学完了课程却不知道学习效果如何。因此，本鱼决定写个系列文章，大致讲讲解题思路，初衷是为了大家更好的交流和学习，请不要将此答案用于coursera刷分等其他用途，否则后果自负。“AI是新的电力”，这是吴恩达老师在今年AI Conference上主题演讲的题目。这句话当然是比喻AI就像100年前的电...

在开始之前，笔者想简单介绍一下tensorflow程序读取文件的三种方式：（1）：供给数据(Feeding)：在TensorFlow程序运行的每一步， 让Python代码来供给数据。（2）：从文件读取数据：在TensorFlow图的起始， 让一个输入管线从文件中读取数据。（3）：预加载数据：在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。...

基于图像的三维物体重建：深度学习时代的最新技术和趋势（概述和编码）点击上方“3D视觉工坊”，选择“星标”干货第一时间送达概述三维重建是一个长期存在的不适定问题，已经被计算机视觉、计算机图形学和机器学习界探索了几十年。自2015年以来，利用卷积神经网络（CNN）进行基于图像的三维重建引起了越来越多的关注，并且表现非常出色。鉴于这一快速发展的新时代，本文全面综述了这一领域的最新发展，重点研究了利用深度