California

GEE全球用户大会2015-2020

蹲街弑〆低调 提交于 2021-01-17 21:04:31
Google Earth Engine User Summit 2015-2020 会议 举办地点 网址 GEEUS: 2015 Google Headquarters, Mountain View, California http://earthenginesummit2015.earthoutreach.org/ GEEUS: 2016 Google Headquarters, Mountain View, California http://earthenginesummit2016.earthoutreach.org/ GEEUS: 2017 Google Headquarters, Mountain View, California https://events.withgoogle.com/google-earth-engine-user-summit-2017/#content GEEUS: 2018 Google Campus, Dublin, Ireland https://sites.google.com/earthoutreach.org/eeus2018/home GEEUS:2019 Google Japan Office @ Roppongi Hills, Minato-ku, Japan https://events.withgoogle.com

数据集:人群行为识别数据库总结

偶尔善良 提交于 2021-01-07 07:31:14
参考论文:人群异常识别技术研究进展_魏永超 数据是人群行为识别研究的基础, 为了更加方便开展相关研究工作, 陆续有研究机构采集人群异常行 为数据, 构建了相关数据库并进行公开, 从而一定程度推动了人群行为研究. 这些数据库为行为识别的研 究提供了重要参考依据. 下面将对代表性的人群行为数据库的进行概括。 (1)USCD(University of California, San Diego)异常检测数据库[32]. 数据由加州大学圣地亚哥分校创建, 数据是通过安装在一定高度、俯视人行道的摄像机,采集自然状态下发生的异常行为. 异常行为包含两类: 非人实体闯入和人行为异常. 异常种类包括骑自行车、滑冰、小推车、行人横穿人行道、侵入草地等, 同 时也记录人在轮椅上的几个实例. 数据由 98 个视频组成, 被分成 2 不同的场景的子集, 每个场景录制的视 频录像被分成约 200 帧的各个片段. 该数据库主要针对是人群中个体行为的识别研究. (2) UMN(University of Minnesota)数据库[33]. 明尼苏达州大学创建的一个数据库, 由 11 个视频组成, 包 含了正常和异常视频. 每个视频起始部分是正常行为,随后为异常行为视频序列. 人群异常行为主要包括:人群单方向跑动、人群四散等. 该视频数据库采集的视频人为安排的异常行为. 该数据库针对的整体人群行为识别. (3

14个 JavaScript 代码优化技巧

天涯浪子 提交于 2021-01-07 05:49:19
点击上方“ 逆锋起笔 ”, 公众号回复 PDF 领取大佬们推荐的学习资料 作者 | Mahdhi Rezvi 译者 | 王强 策划 | 李俊辰 这篇文章列举了一些技巧,可帮助你写出更好的 JavaScript 代码,从而提高性能。 本文最初发布于 Medium 网站,经原作者授权由 InfoQ 中文站翻译并分享。 JavaScript 已经成为有史以来最受欢迎的编程语言之一。从 W3Tech 的数据来看,全世界将近 96%的网站都在使用它。关于 Web 有一个关键的事实是,你无法控制访问网站的用户所用设备。当用户访问你的网站时,使用的可能是高端设备也可能是低端设备,网络连接条件也有好有差。这意味着你必须尽可能优化自己的网站,以满足任何用户的需求。 附带提一下,请共享和重用你的 JS 组件,以在高质量代码(写起来需要花费时间)和合理的交付时间之间保持适当的平衡。你可以使用 Bit 等流行工具将任何项目中的组件(普通 JS、TS、React、Vue 等)共享到 Bit 的组件中心,用不了多大功夫。 1、删除未使用的代码和功能 你的应用程序包含的代码越多,就需要将更多的数据传输到客户端。浏览器也需要更多时间来分析和解释代码。 有时,你可能打包了很多根本用不到的功能。最好只在开发环境中保留这些额外的代码,而不要将其推送到生产环境中,以免给客户端的浏览器增加负担。 要不断问自己

《深入理解计算机系统(原书第2版)》 分享下载

点点圈 提交于 2021-01-07 00:52:01
书籍信息 书名: 深入理解计算机系统(原书第2版) 原作名: Computer Systems: A Programmers Perspective 豆瓣评分: 9.7分(2675人评价) 标签: 计算机系统,计算机,计算机科学,操作系统,操作系统&体系结构,编程,体系结构,程序员,深入理解计算机系统(原书第2版),免费,程序员书籍,编程,pdf,电子书 内容简介 本书从程序员的视角详细阐述计算机系统的本质概念,并展示这些概念如何实实在在地影响应用程序的正确性、性能和实用性。全书共12章,主要内容包括信息的表示和处理、程序的机器级表示、处理器体系结构、优化程序性能、存储器层次结构、链接、异常控制流、虚拟存储器、系统级I/O、网络编程、并发编程等。书中提供大量的例子和练习,并给出部分答案,有助于读者加深对正文所述概念和知识的理解。 本书的最大优点是为程序员描述计算机系统的实现细节,帮助其在大脑中构造一个层次型的计算机系统,从最底层的数据在内存中的表示到流水线指令的构成,到虚拟存储器,到编译系统,到动态加载库,到最后的用户态应用。通过掌握程序是如何映射到系统上,以及程序是如何执行的,读者能够更好地理解程序的行为为什么是这样的,以及效率低下是如何造成的。 本书适合那些想要写出更快、更可靠程序的程序员阅读,也适合作为高等院校计算机及相关专业本科生、研究生的教材。 作者简介 Randal E

硬RAID和软RAID

℡╲_俬逩灬. 提交于 2020-12-03 14:49:18
  RAID简介:   RAID是 Redundant Array of Independent Disks的简写,意为独立磁盘冗余阵列,简称磁盘阵列。基本思想是把多个相对便宜的硬盘结合起来,称为一个磁盘阵列组,使性能达到甚至超过一个价格昂贵、容量巨大的硬盘。由于RAID把多个硬盘组合成为一个逻辑扇区,因此对于电脑来说,只会把他当作一个硬盘或逻辑存储单元。   RAID比单个硬盘的好处:   (1)增强数据集成度   (2)增强容错功能   (3)增加处理量和容量   RAID技术最初由加利福尼亚大学伯克利分校(University of California-Berkeley)在1988年提出,经过多年发展已经拥有众多版本。主要分为:标准RAID(RAID0 ~ RAID6),混合RAID(JBOD、RAID7、RAID 10、RAID 50等)。   在应用上来说。RAID 0 、RAID 1、RAID 5、RAID 6最常见,RAID 2、3、4较少实际应用,因为RAID 5已经覆盖了所需的功能,因此RAID 2、3、4大多只在研究领域实现,RAID 4应用在某些商业机器。   硬RAID和软RAID:   RAID分为软件磁盘阵列(软RAID)、硬件磁盘阵列(硬RAID)和硬件辅助磁盘阵列(半软、半硬)三种类型。   硬RAID

按指定基准对齐的分组运算

梦想的初衷 提交于 2020-11-08 13:01:16
对照一个基准集合,将待分组集合成员的某个字段或表达式与基准集合成员比较,相同者则分到同一个组中,最后拆分出来的组数和基准集合成员数是相同的。这种分组我们称为对齐分组。对齐分组可能会有空组,也可能有成员未分配到任何一个组中。 1. 普通对齐分组 1.1 每组保留最多一个匹配成员 按某字段的指定顺序,将表中所有记录分组并汇总求和。 【例 1】 根据相互关联的课程表和选课表,按课程表顺序查询有哪些课程无人选择: 【SPL 脚本】 A B 1 =connect("db") /连接数据库 2 =A1.query("select * from SelectCouse") /查询选课表 3 =A1.query("select * from Course") /查询课程表 4 =A2.align(A3:ID,CourseID) /使用函数 A.align(),将选课表按照课程表的 ID 对齐,每组选择一个匹配成员 5 =A3(A4.pos@a(null)) /在课程表中选出没有选择(值为 null)的课程信息 A5 的执行结果如下: ID NAME TeacherID 1 Environmental protection and sustainable development 5 10 Music appreciation 18 1.2 每组保留所有匹配成员 按某字段的指定顺序

按指定基准对齐的分组运算

只谈情不闲聊 提交于 2020-11-06 01:54:35
【摘要】 在分组时经常会要求结果集必须按基准集合的次序出现,这种对齐分组在日常统计中是很常见的。我们还能把对齐分组推广成更一般的枚举分组。如何简便快捷的处理对齐分组,这里为你全程解析,并提供 esProc 示例代码。 按指定基准对齐的分组运算 对照一个基准集合,将待分组集合成员的某个字段或表达式与基准集合成员比较,相同者则分到同一个组中,最后拆分出来的组数和基准集合成员数是相同的。这种分组我们称为对齐分组。对齐分组可能会有空组,也可能有成员未分配到任何一个组中。 1. 普通对齐分组 1.1 每组保留最多一个匹配成员 按某字段的指定顺序,将表中所有记录分组并汇总求和。 【例 1】 根据相互关联的课程表和选课表,按课程表顺序查询有哪些课程无人选择: 【SPL 脚本】 A5 的执行结果如下: 1.2 每组保留所有匹配成员 按某字段的指定顺序,将表中所有记录分组并汇总求和。 【例 2】 根据相互关联的员工表和部门表,按部门表中的部门顺序统计各部门人数: 【SPL 脚本】 A5 的执行结果如下: 1.3 不匹配记录放到新组 按某字段的指定顺序,将表中所有记录分组,不匹配记录放到新组。 【例 3】 根据员工薪资表,统计 [California, Texas, New York, Florida] 的平均工资,未指定的州作为“Other”统计。员工薪资表部分数据如下: 【SPL 脚本】 A5

通过神经图稳定对脑机接口的即插即用控制,四肢瘫痪患者可以轻松控制电脑光标

拜拜、爱过 提交于 2020-11-03 02:23:14
点击上面"脑机接口社区"关注我们 更多技术干货第一时间送达 导读 脑机接口(BCI)能够控制有严重运动障碍患者的辅助设备。BCI的局限性在于长期可靠性差和每天重新校准时间长,这在现实世界的实用性有一定的限制。为了开发无需重新校准即可实现稳定性能的方法,加州大学旧金山分校(University of California, San Francisco)的研究人员在瘫痪患者身上使用了一种128通道的慢性皮质电图(ECoG)植入物,从而可以稳定地监视信号。研究人员在该项试验中证明了,长期的闭环解码器适应性(其中解码器权重在几天内跨会话进行)有助于神经图和“即插即用”控件的合并。相比之下,每天重新初始化会导致性能随着可重新学习而降低。研究人员表示,他们的结果通过利用ECoG接口的稳定性和神经可塑性,为可靠,稳定的BCI控制提供了一种方法。 稳定的记录使大脑和机器学习系统能够随着时间的推移建立“伙伴关系” 在一项研究中,加州大学旧金山分校(University of California, San Francisco)的研究人员表明,机器学习技术帮助瘫痪的个体通过他们的大脑活动来学习控制计算机光标,而无需每天进行大量的再训练。 “近年来,BCI领域取得了很大的进步,但是由于必须每天对现有系统进行重置和重新校准,因此他们无法利用大脑的自然学习过程。这项研究的资深作者

NeurIPS 今年共收录1900篇论文,我该怎么阅读?

女生的网名这么多〃 提交于 2020-10-14 16:02:19
     作者 | 陈大鑫   近日,知乎上有个小热的问题:      在这个问题下,已经有众多大佬对如何阅读论文进行献言献策。   确实,今年NeurIPS 2020有接近两千篇论文被接收,这是一个什么概念?   据说,AI圈子的一位大神:旷视科技张祥雨博士,3年看完了1800篇论文。   这已经是相当恐怖的速度了,按照这个速度,对大神而言,读完NeurIPS 2020的论文尚且需要花费三年的时间,这让别人该何去何从?   关于如何读论文,AI科技评论之前也有一篇“”的文章 ,大家可以再次阅读学习。   按照吴恩达的观点,读论文不能贪快,要高质量、持续地阅读学习才是正道。   今日,AI科技评论以NeurIPS 2020接近两千篇的论文为例,给大家提供两个论文阅读的便利。    1、阅读大牛的论文:   见“ ”一文。   在这篇文章中,AI科技评论列举了AI学术大牛如深度学习三巨头、周志华、李飞飞等人的论文,大牛的团队出品的论文,质量平均而言肯定有很大保证的。    2、按主题分门别类的阅读:   这是显而易见的选择,也是大家正在做的事情,AI科技评论今天这篇文章正是把NeurIPS 2020的论文做了一个简单分类统计供大家参考阅读。    说明:   1、统计主题根 据日常经常接触到的i进行,不保证全面。   2、统计会有交叉和重复:如论文 《Semi-Supervised

动手学深度学习源码 & CVPR / ECCV 2020开源代码

放肆的年华 提交于 2020-10-05 13:55:21
动手学深度学习其源码分别包括Pytorch、TensorFlow、MxNet框架的代码,十分方便学习深度学习在不同框架下的实现。面向中文读者的能运行、可讨论的深度学习,它将文字、公式、图像、代码和运行结果结合在一起。全面介绍深度学习从模型构造到模型训练,以及它们在计算机视觉和自然语言处理中的应用。 每一小节都是可以运行的 Jupyter 记事本 你可以自由修改代码和超参数来获取及时反馈,从而积累深度学习的实战经验。 公式 + 图示 + 代码 我们不仅结合文字、公式和图示来阐明深度学习里常用的模型和算法,还提供代码来演示如何从零开始实现它们,并使用真实数据来提供一个交互式的学习体验。 活跃社区支持 你可以通过每个章节最后的链接来同社区的数千名小伙伴一起讨论学习。 被用作教材或参考书 北京大学 复旦大学 哈尔滨工业大学 清华大学 上海财经大学 上海交通大学 浙江大学 中国科学技术大学 Carnegie Mellon University(美国) Emory University(美国) Gazi Üniversitesi(土耳其) Georgia Institute of Technology(美国) Habib University(巴基斯坦) Hasso-Plattner-Institut(德国) Hiroshima University(日本) Imperial College