Lecture 第13页

GAMES101-现代计算机图形学入门-闫令琪——Lecture 16 Ray Tracing 4

目录GAMES101-现代计算机图形学入门-闫令琪——Lecture16RayTracing4MonteCarloIntegration（蒙特卡洛积分）PathTracing路线追踪Solution:RussianRoulette

逩跑の油條·2022-11-23 09:09

[Games 101] Lecture 10 Geometry 1 (Introduction)

Geometry1(Introduction)WaystoRepresentGeometry隐式(Implicit)几何只告诉点满足某种约束或关系，并不给出实际的点，也就是说，定义f(x,y,z)=0f(x,y,z)=0f(x,y,z)=0例如，定义三维空间中的点，满足，x2+y2+z2=1x^2+y^2+z^2=1x2+y2+z2=1判断一个面有哪些点是困难的，判断一个点与面的位置关系是容易的C

幼儿算数·2022-11-23 09:38

[Games 101] Lecture 11-12 Geometry 2 (Curves and Surfaces)

Lecture11-12Geometry2(CurvesandSurfaces)CurvesBézierCurves贝塞尔曲线使用一系列的控制点定义某个曲线，控制点定义曲线满足的一些性质可以定义出唯一的曲线

幼儿算数·2022-11-23 09:38

Games101 计算机图形学课程笔记：Lecture15 Ray Tracing 3

目录辐射度量学Irradiance朗伯余弦定律Lambert’sCosineLaw能量的衰减Radiance联系与区别BRDF(BidirectionalReflectanceDistributionFunction)BRDF反射方程渲染方程（TheRenderingEquation）渲染方程的理解辐射度量学Irradiance在单位时间内，每个单位面积上接收到的光照的能量。朗伯余弦定律Lambe

_almost__·2022-11-23 09:38

Games101 计算机图形学课程笔记：Lecture16 Ray Tracing 4

目录MonteCarloIntegration路径追踪Motivation解渲染方程只考虑直接光照考虑间接光照指数爆炸问题递归无出口问题对光进行采样总结RayTracing概念MonteCarloIntegration一种近似求积分的数值方法，可在无法确定函数的解析式时使用。随机采样，根据概率密度函数（PDF）求出积分的近似值。路径追踪MotivationWhitted-StyleRayTraci

_almost__·2022-11-23 09:38

Lecture13_光线追踪1（Whitted-Style Ray Tracing）_GAMES101 课堂笔记

引入光线追踪目的：因为光栅化不能很好地处理全局效果，例如：软阴影:光栅化需要经过两个过程才能形成软阴影;Glossy反射:既有反射，又有本身材质的粗糙性影响；间接反射:光线在空间中会反射很多次，很难渲染。光栅化速度快，但是质量并不好，表现得是相似的东西；光线追踪很精确，效果很真实，不过速度很慢。（光栅化可以达到实时，但是光线追踪需要离线。）第一部分：光线追踪算法基础一、光线定义：光线沿着直线传播。

慕木子·2022-11-23 09:37

GAMES101 lecture1-4 笔记基础

GAMES101lecture1-4笔记基础课程介绍线代基础向量Transformation定义相关（2D）3DRotationViewTransformationProjectionTransformation

Jason__Y·2022-11-23 09:07

[Games 101] Lecture 13-16 Ray Tracing

RayTracingWhyRayTracing光栅化不能得到很好的全局光照效果软阴影光线弹射超过一次（间接光照）光栅化是一个快速的近似，但是质量较低光线追踪是准确的，但是较慢Rasterization:real-time,raytracing:offline生成一帧需要一万CPU小时BasicRay-TracingAlgorithm图形学上的光线定义光线是沿直线传播的两个或多个光线不会发生碰撞光线

幼儿算数·2022-11-23 09:06

Games101-系列课程笔记-Lecture-10

Games101-系列课程笔记Lecture10Geometry1Games101-系列课程笔记纹理应用环境映射凹凸贴图(BumpTexture)位移贴图(DisplacementMap)几何分类更多隐式表示参考本篇博客内容为

夜阑澜·2022-11-23 08:13

Games101-系列课程笔记-Lecture-11

Games101-系列课程笔记Lecture11Geometry2Games101-系列课程笔记更多显式表示曲线贝塞尔曲线(BézierCurves)简单定义德卡斯特里奥(deCasteljau)算法贝塞尔曲线性质高阶贝塞尔曲线存在的问题其他样条曲线基样条

夜阑澜·2022-11-23 08:13

Games101-系列课程笔记-Lecture-08

Games101-系列课程笔记Lecture08Shading-P2Games101-系列课程笔记高光项(SpecularTerm)环境光照(AmbientTerm)Bling-Phong反射模型公式着色频率的三种方式平面渲染

夜阑澜·2022-11-23 08:12

Games101-系列课程笔记-Lecture-04-Part1

Games101-系列课程笔记Lecture04TransformationCont.Games101-系列课程笔记3D变换参考本篇博客图片来自Games101-闫令琪(Lecture04)讲义，有兴趣的小伙伴可前往

夜阑澜·2022-11-23 08:42

lhy机器学习（三）： ML Lecture 6 Brief Introduction of Deep Learning（神经网络）

神经网络看看各大神经网络模型的层数把~让我们再回顾一下神经网络的结构，这地方我就不赘述了，根据ppt就能看懂再看一下图像识别的流程，就是把一个图片的像素拉成一个向量，如图就是把256个像素拉成一个向量，代表256个特征，根据256个特征输出识别的值，这是个多分类任务，输出1-10的概率中2的概率最大，那就是2通常神经网络结构构建是需要经验的，在数字识别中，真实值其实就是一个代表1-10的向量，如果

Jacky_WZN·2022-11-22 18:26

李宏毅机器学习笔记：Brief Introduction of Deep Learning + Backpropagation(后向传播算法)

Lecture6:BriefIntroductionofDeepLearning本节课主要围绕DeepLearing三步骤：（

TravelingLight77·2022-11-22 18:55

[1天搞懂深度学习] 读书笔记 lecture I:Introduction of deep learning

-通常机器学习，目的是，找到一个函数，针对任何输入：语音，图片，文字，都能够自动输出正确的结果。-而我们可以弄一个函数集合，这个集合针对同一个猫的图片的输入，可能有多种输出，比如猫，狗，猴子等，而我们通过提供大量的trainingdata给这个函数集合，对集合里的各种函数组合的输出进行比对，最后选出一个能输出最佳结果(结果是猫)的组合，那么因为这个组合已经很能够很准确的识别猫，所以这个组合就能用来

weixin_34008784·2022-11-22 18:23

Lecture 2 What to do if my network fails to train

（一）局部最小值(localminima)与鞍点(saddlepoint)（二）批次(batch)与动量(momentum)（三）自动调整学习率(LearningRate)（四）损失函数(Loss)也可能有影响

壁花lhh·2022-11-22 18:11

[CS131] Lecture 19 Introduction to Deep Learning

根据StanfordCS131课程写的笔记（大部分为note翻译），英语水平一般，如有错误请评论指正Lecture19IntroductiontoDeepLearningIntroduction目前为止

XiongLY0·2022-11-22 18:10

Lecture 1 Introduction of Machine Deep Learning

Lecture1:IntroductionofMachine/DeepLearning文章目录Chapter1IntroductionMachineLearning≈\approx≈LookingforFunctionDifferenttypesofFunctionsRegressionClassificationStructuredLearningHowtofindafunction

Yi_cAt·2022-11-22 18:39

Notes - Coursera MachineLearning by Andrew NG - Week1

Notes-CourseraMachineLearningbyAndrewNG-Week1Week1-2014/03/07-hphp欢迎赐教、讨论、转载，转载请注明原文地址~MachineLearningIntroductionGeneralSpeaking-lecture1,2ManyApplicationAmazaon

dawen5335·2022-11-22 12:52

Lecture11 检测和分割

1.语义分割1.1定义语义分割任务目标是输入一个图像，然后对每个像素都进行分类，如下图左，将一些像素分类为填空，一些分类为树等等。需要注意的是，语义分割单纯地对每个像素分类，因此不会区分同类目标，比如下图右边有两头牛，但是分类的结果中不会将两头牛区分开来，而是一视同仁，这也是语义分割的一个缺点。1.2实现方法1：滑动窗口一个很直观的实现方法就是使用滑动窗口，将整张图片以滑动窗口的形式提取出很多微小

pinkshell_1314·2022-11-22 01:50

Lecture3 损失函数和优化损失函数

1.损失函数通过设置评估函数的参数W，我们希望分类器预测类别的得分和真实值接近。但是，有时事实不尽人意，比如我们预测猫的图片，但是分类器给出猫的评分可能为一个很小的负数，然后其他种类的得分非常大，这显然不是我们想要的。那么我们需要一个函数来量化我们对分类器的预测结果的不满意度，即损失函数（或代价函数）。直观来讲，当分类器的效果很好时，损失值将会很低；当分类器的效果很差时，损失值将会很高。1.1多分

pinkshell_1314·2022-11-22 01:20

Lecture10 循环神经网络(RNN)

1.RNN介绍1.1模型分类循环神经网络RecurrentNeuralNetwork（RNN）的一大优点是为网络结构的搭建提供了很大的灵活性。通常情况下，我们提及的神经网络一般有一个固定的输入，然后经过一些隐藏层的处理，得到一个固定大小的输出向量（如下图左所示，其中红色表示输入，绿色表示隐藏层，蓝色表示输出，下同）。这种“原始”的神经网络接受一个输入，并产生一个输出，但是有些任务需要产生多个输出，

pinkshell_1314·2022-11-22 01:20

【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 3_Linear Algebra Review

Lecture3LinearAlgebraReview线性代数回顾3.1矩阵和向量3.2加法和标量乘法3.3矩阵向量乘法3.4矩阵乘法3.5矩阵乘法的性质3.6逆、转置3.1矩阵和向量参考视频:3-1-

weixin_30569153·2022-11-20 23:11

刘二大人lecture11 code

importtorchimporttorch.nnasnnfromtorchvisionimporttransforms,datasetsfromtorch.utils.dataimportDataLoaderimporttorch.nn.functionalasFimportmatplotlib.pyplotaspltbatch_size=64correct_list=[]loss_list=[

神探小神马·2022-11-20 15:43

cs231n_2018_lecture09_notes_知名CNN结构分析

这一讲的ppt内容相当之大，主要介绍了几个较为出名的CNN结构。在其他人所作的再整理中也就都是非常简单地介绍了这几个网络，实际上想要深入理解还是需要找出以原paper读读，然后再针对单个网络搜搜看看别人的理解。此处也仅简单概括几个案例，作为后续的学习方向。LeNet-5简单的5层网络，常用于字母识别，结构：input->conv->pool->conv->pool->conv->fc->fc(ou

is_fight·2022-11-20 13:55

Lecture 15: Natural Language Generation

文章目录Recap:LMsanddecodingalgorithmsNaturalLanguageGeneration(NLG)LMNLGtasksandneuralapproachestothem摘要两个主要策略Pre-neuralsummarizationNeuralsummarization(2015-present)对话DialoguePre-andpost-neuraldialogueS

24kb_·2022-11-19 16:10

中山大学软件工程操作系统原理蔡国扬硬盘调度 - Labweek_18

HardDiskSchedule编译环境Ubuntu20.04LTS-x86_64gccversion9.3.0(Ubuntu9.3.0-17ubuntu1~20.04)实验内容:硬盘调度编写C程序模拟实现课件Lecture25

Интернационал·2022-11-19 13:28

【数字图像处理与应用】Lecture 16 图像压缩(2)

数字图像处理与应用Class16.20200622Lecture16Compression--LosslessImageCompression#Variablelengthcoding(Eliminatecodingredundancies

Channon_·2022-11-19 08:01

[深度学习基础] 斯坦福CS231n李飞飞计算机视觉Lecture 8笔记

内容列表Lecture8SpatialLocalizationandDetection目标检测RegionProposalsR-CNNSPPNetFastR-CNNFasterR-CNNMaskR-CNNYOLO

gogogo！·2022-11-16 07:48

图形学 Lecture5 几何曲线和曲面

几何的不同表示方式：隐式几何显式几何曲线和曲面：描述显式几何隐式几何>>>表示一定的关系，不给出实际的点如球：坏处：很难根据一个函数判断几何形状，即几何都包括哪些点很难，描述一个复杂几何很难，比如奶牛，很难用一个函数去描述。好处：判断一个点是否在这个几何面上，很容易隐式其他表达方法数学公式（坏处：不直观，不能看出几何形状）布尔运算距离函数几何与几何之间做一个圆滑的过渡，就是靠距离函数的融合。对于任

QueenlyNa·2022-11-16 07:33

李宏毅机器学习笔记5：CNN卷积神经网络

Lecture7:CNN目录一、CNN的引入二、CNN的层次结构三、CNN的小Demo加深对CNN的理解四、CNN的特点在学习

weixin_30628077·2022-11-15 08:22

情感分类——glove

具体可以简单看看NLPCS224N笔记】Lecture3GloVe：GlobalVectorsforWordRepresentation下面截取最关键的部分：GloVe是将co

MoonLer·2022-11-14 11:59

Lecture07：双层规划方法

目录1双层规划模型1.1一个简单的例子1.2斯坦克尔伯格模型到双层规划模型2求解双层规划2.1MathematicalProgramwithComplementarityConstraint(MPCC)2.2互补条件的线性化2.2.1Fortuny‐Amat(“Big‐M”)approach3策略提供问题（Strategicofferingproblem）3.1问题描述与模型3.2生成下层问题的K

运筹码仓·2022-11-12 11:50

【深度学习】01-01-课程介绍-李宏毅老师21&22深度学习课程笔记

PrerequisiteOrientationAssignmentScheduleMachineLearningDeepLearningDifferenttypesofFunctionsSupervisedLearning（Lecture1

暖焱·2022-11-12 11:37

Mit6.006-lecture04-Hashing

一、回顾数据结构操作，最坏情形O容器（container）静态（static）动态（dynamic）顺序（order）build(X)find(k)insert(x)delete(k)find_min()find_max()find_prev(k)find_next(k)数组nnnnn有序数组nlognlognn1logn想要更快的查找以及动态操作。我们能让find(k)比θ(logn)\thet

解析Ta·2022-11-10 15:59

cs231n-Lecture 3: Loss Functions and Optimization

Lecture3:LossFunctionsandOptimizationlossfunctionRegularizationSoftmaxclassifierOptimizationlossfunctionAlossfunctiontellshowgoodourcurrentclassifieris

dyt2022·2022-11-10 10:08

cs231n-Lecture12

CS231N–可视化和理解一、概念定义：可视化的方法可以让我们理解神经网络是如何工作的。不同层的神经网络结果如何，卷积核/滤波器起什么作用。1.可视化激活函数值对激活函数的激活可以在激活值中找到对应的图片的轮廓。神经网络实现优化实现2.可视化卷积核/滤波器CNN实现的是自动训练出不同类型的滤波器，取代以前的手工设定滤波器第一层滤波器拥有不同层次的特征，横条纹、竖条纹、斜条纹、圆条纹等，是对原始图片

sun1398·2022-11-10 10:07

cs231n-Lecture6

CS231N–神经网络训练（下）一、精细优化1.SGD的优化问题(1)不同维度梯度问题比如在趋近最优解的维度，梯度下降的慢，而在垂直方式梯度下降的快，梯度下降的和方向在偏离正确方向太远，这样优化过程中逼近最优解速度慢，这也是SGD速度最慢的原因(2)极值点问题当遇到局部最小值点及鞍点时，SGD会陷入局部最优；由于数据维度较大，很难存在局部最小值点的情况，鞍点的存在可能性更大个人认为SGD是在每个小

sun1398·2022-11-10 10:36

大数据分析-第九章知识图谱

Lecture9-知识图谱1.知识图谱知识图谱概念知识图谱内涵知识图谱优势知识图谱价值典型知识图谱2.知识图谱概念知识图谱(KnowledgeGraph)本质上是一种大规模语义网络(semanticnetwork

SpriCoder·2022-11-09 10:33

【CS224W】斯坦福图机器学习-相关笔记-Fall 2021

frootguo·2022-11-08 09:46

李宏毅老师《机器学习》课程笔记-1深度学习简介

Lecture1IntroductionofDeepLearningMachineLearning≈LookingforFunction我的理解：机器学习要找到输入和输出之间的关系，也可以理解为映射关系

宁萌Julie·2022-11-07 15:56

2008年《斯坦福大学开放课程：机器学习课程》(Open Stanford Course : Engineering Everywhere-MachineLearning)[WMV]

EngineeringEverywhere-MachineLearning)[WMV]http://www.verycd.com/topics/2727693/[斯坦福大学-机器学习课程].cs229-lecture01

rosonex·2022-11-07 15:01

GAMES202 Real-time Shadows

文章目录前言Lecture1Lecture2基础图形学知识回顾基本的渲染管线OpenGL着色语言（shadinglanguage）DebuggingShaders渲染方程（TheRenderingEquation

亲亲老婆几·2022-11-03 20:32

《计算机体系结构：量化研究方法》读书笔记

Lecture1:QuantitativeApproach1.计算机体系结构与计算机组成原理有什么区别？计算机的实现包括两个方面：组成和硬件。

wangbowj123·2022-11-03 20:14

自然语言处理学习笔记-lecture06-词法分析与词性标注

英语的形态分析单词识别例如：I’llseeprof.Zhanghomeaftertheconcert.的识别结果：I/will/see/prof./Zhang/home/after/the/concert/.常见的特殊形式的单词识别如下：(1)prof.,Mr.,Ms.Co.,Oct.等放入词典;(2)Let’s/let’s=>let+us(3)I’am=>I+am(4){it,that,this

尔呦·2022-10-24 18:12

模式识别学习笔记- lecture1-绪论

概述模式：存在于世间和空间中可观察的物体，如果我们可以区别他们是否相同或是否相似，都可以称之为模式。模式的直观特性：可观察性可区分性相似性模式识别：对周围物体的认识、人的识别、声音的辨别、气味的分辨数据聚类目标：用某种相似性度量的方法见原始数据组成有意义的和有用的各种数据集是一种非监督学习的方法，解决方案是数据驱动的统计分类基于概率统计模型得到各类别的特征向量的分布，以取得分类的方法；特征向量分布

尔呦·2022-10-24 18:42

自然语言处理学习笔记-lecture09-篇章分析

自然语言处理的处理单元分为字(编码、输入法)，词、短语(形态分析、汉语分词、词性标注、词义消歧、命名实体识别等)，句子(句法分析、语块分析、语义角色标注)，篇章(机器翻译、篇章推理、问答系统、自动摘要和情感分类等)篇章中出现词汇链，是指一个相同的词在不同位置的重复出现，在抽取实体词汇链之后，抽取词汇链上每个词最近的谓词-论元，构成事件链，通过判断相邻事件之间的关系谓词-论元构成的有向图，回指是指一