16 xingzhe2001

尚未进行身份认证

创业公司 Unreal Engine 4 手游主程序

等级
TA的排名 11w+

L1正则化 L2正则化的Python 实现

上一篇文档 https://blog.csdn.net/xingzhe2001/article/details/86316712 介绍了L1L2正则化本文介绍L1,L2正则化的实现L1正则化代码defL1Norm(l,theta):returnnp.dot(np.abs(theta),np.ones(theta.size))*ldefL1N...

2019-01-11 21:21:34

L1正则化和L2正则化 Regularization

 注:本文是机器之心翻译的,对L1正则化和L2正则化讲的比较好的文章其他推荐的参考资料有2013年的DifferencesbetweenL1andL2asLossFunctionandRegularizationhttp://www.chioka.in/differences-between-l1-and-l2-as-loss-function-and-regul...

2019-01-11 20:34:35

手写逻辑回归 ——Logistic Regression的详细推导与python实现

LogisticRegression是一种分类算法,返回分类0或者1逻辑回归将样本线性分割为两类,跟样本距离分割线的距离和正负来推算样本可能的类别产生的分割线,也叫决策边界,DecisionBoundary为样本到分割线的距离为则预测函数为对于二分类问题,代价的分布可以认为是伯努利分布,则根据极大似然估计法可以推得其中g一般为S型函数sigmoidfunc...

2019-01-02 22:02:16

多项式回归 Polynomial Regression

只要将线性回归的x扩展为x^2,x^3,x^0.5等等就可以拟合非线性函数。这就是PolynomialRegression

2019-01-01 20:04:11

手写线性回归

纸质笔记本很容易丢失,还是记在网上吧线性回归是最基础的机器学习模型,假设结果和特征关系为线性,从而来预测结果预测函数为训练的时候要最小化代价函数根据中心极限定理,多个独立原因导致的分布是正态分布。那么多个样本的误差满足正态分布,可以通过最大化似然函数推出训练过程其实就是最小二乘法。因为对于单个样本,误差满足即假设所有样本是独立同分布的,那么所有样本的似然函...

2018-12-31 22:45:39

我搜集的学习PBR的中英文资料链接

英文资料 BRDF测量网站http://people.csail.mit.edu/wojciech/BRDFDatabase/brdfs/megascanhttps://megascans.se/library/free免费材质https://freepbr.com/ 著名的,pbr必读的Physically-BasedShadingatDisneyht...

2018-11-09 16:49:29

Physically Based Rendering——史上最容易理解的BRDF中D函数NDF的中文资料

为了吸引读者眼球,开头引用了虚幻文档里的粗糙度变化的图,让大家对粗糙度有个直观的概念。粗糙度决定了D函数的分布,一般粗糙度是D函数的方差本文假定读者已经对PBR即PhysciallyBasedRendering基于物理的渲染有了初步的了解,对于PBR的入门有很多文章都介绍的不错。本文针对想再了解下BRDF双向反射分布函数里的推导与内容的读者,是我自己学习BRDF的笔记这篇...

2018-11-09 16:17:36

手推系列——直观理解推导Physically Based Rendering 的BRDF公式之微表面法线分布函数NDF

不会matlab,本文借助Python,numpy和matplotlib来尝试观察和直观理解微表面理论。PBR(PhysicallyBasedRendering)的光照计算基于微表面理论的假设。即宏观上的一个像素的点其实是微观上一块有很多绝对光滑的微小表面组成的。对于每个绝对光滑的微面,光照满足菲涅尔定理。即光的一部分作为高光反射出来,另一部分进入材质,并在材质里钻来钻去。其中一...

2018-11-07 20:13:17

【翻译】Feeding a physically based shading model

Feedingaphysicallybasedshading model怎么满足基于物理的渲染(PBR)模型SebastienLagardeAugust17,2011 译者注:本文是虚幻的官方文档推荐看的。有趣的是其作者是Unity的渲染研究总监。 上篇文章采用基于物理的渲染模型 是掌握PBR的第一步。基于物理的渲染模型(PBR),要获得好的渲染效果,要基于真...

2018-11-02 16:10:21

美术的Unreal的PBR(Physically Based Renderring)实践

这篇文章写给打算开始做PBR的美术,技术美术和图形程序。如果转载请注明出处。图片拷自何三林的博客https://blog.csdn.net/baidu_16312167/article/details/51957786 比较传统材质和PBR材质的不同 笔者做了近4年的PBR的UE4手游,深感PBR开发中的坑。如果不认真学习任性而作,效果将惨不忍睹。 项目要采用PBR管...

2018-11-02 15:51:20

Unreal Engine4 C++中使用MaterialParameterCollection

MaterialParameterCollection可以在不同材质球里共享参数。如果是更新不频繁的参数,在蓝图里更新即可。但是对于更新很频繁的参数,比如每帧都更新的数据,最好在C++里做。 UKismetMaterialLibrary提供了一些函数可以方便更新MaterialParameterCollection的。这些函数一般首先需要一个MaterialParameterColl...

2018-11-01 15:33:34

Unreal Engine4的对象迭代器

C++写Unreal游戏的时候经常会需要遍历内存中的UObject对象,UnrealEngine提供了一些方便的函数来处理Engine\Source\Runtime\CoreUObject\Public\UObject\UObjectIterator.h文件下定义了FRawObjectIterator可以遍历所有的对象,包括类默认对象和将要GC的对象使用方法如下for(...

2018-11-01 10:16:27

Client Side SVN Hook 实现的本地自动化测试机制

SVNClientSideHook项目中很多非程序的svn提交者很容易忽略对自己的提及进行测试。也多自己的提交会造成哪些影响没有深刻的概念。为了保证所有内容创作者的提交都是经过测试的,需要制作svn的hook保证每次提交都能做一些简单的测试。 打算把测试放在客户端上,这样可以做一些较深入的测试。当然大公司都是提交后由持续集成系统来自动测试的。我们小团队资源有限,还是通过开发人员的...

2018-10-22 15:43:23

SVM算法相关推导[五]——SMO算法

我们得到了目标是最大化W函数。那么要怎么求解呢?因为我们的向量维度很高(D=m),直观的方法是用坐标上升法。但是由于限制条件的存在,我们不可能一次只修改一个alpha,需要对算法进行修改微软的SMO算法尝试一次修改2个alpha,固定其他alpha,每一次地带优化W用这两个修改的alpha来进行观察W公式假如固定的是alpha_a,alpha_b根据限制...

2018-10-08 22:21:46

SVM算法相关推导[四]——带L1正则项的软间隔SVM

前边我们的假设都是数据完全可分。但是有的时候可能由于数据的问题使得数据并不是完全可分,这时候我们需要对SVM做一点修改,使得它可以接受部分不可分的数据。我们会在原始问题的后面加一个正则项如果则分类正确求解的方法和标准SVM一样,先根据两个约束写出拉格朗日式子对这个式子对各个变量求偏导取0,将得到的式子带入L消去变量,并求对偶问题,最后我们得到的目标是根据...

2018-10-08 22:03:28

SVM算法相关推导[三]——核函数

由前文https://blog.csdn.net/xingzhe2001/article/details/82916907https://blog.csdn.net/xingzhe2001/article/details/82927277核函数的作用我们知道,SVM算法主要关心的是有的时候我们会将特征x扩展到非线性,比如加入特征x^2,x^n等等,我们记这种扩展为...

2018-10-07 23:06:13

SVM算法相关推导[二]

接上文SVM算法相关推导[一]最大间隔分类器是一种在约束下求最大化的问题,对于这种问题用拉格朗日乘子法和KKT条件可以变化为求其相对简单的对欧问题。(传说中的SMO?)对于拉个朗日乘子法和KKT条件的理解,CSDN的博主lijil168介绍的不错。https://blog.csdn.net/lijil168/article/details/69395023lysuns的博客ht...

2018-10-03 22:25:17

SVM算法相关推导。[一]

网上有很多介绍SVM的文章,csdn里写得最好的是July大神的支持向量机通俗导论(理解SVM的三层境界),该文最初写于2012年6月,而后不断反反复复修改&优化,修改次数达上百次,最后修改于2016年11月。下面的文章只是我自己的笔记。可以配合July的文章理解。我把理解SVM需要的参考资料概念都贴过来。包括对偶,朗格朗日乘子,KKT条件等理解SVM需要的概念等。本文是学...

2018-10-02 17:09:19

可视化的用Python学习线性回归,闭式求解法(closed form)

本文用Numpy生成测试数据,并且用线性回归来求解预测函数。通过Matplotlib来可视化数据和代价函数,这样我们可以对代价函数有更直观的理解。也叫NormalFunctionimportnumpyasnpimportmathimportmatplotlib.pyplotaspltfrommpl_toolkits.mplot3dimportAxes3D"...

2018-09-29 14:31:52

matplotlib的简单使用

在python的统计,机器学习,数据处理等领域,matplotlib都是很方便的数据可视化工具。在本文记录了一下其简单的使用规则,方便自己查找。首先你的机器上需要按照好python,并且假设读者对Python语法有基本的理解一般配合使用numpy,按照matplotlib的方法 一般用pip或者anaconda安装,方法pipinstallmatplotlib或者co...

2018-09-27 21:59:50

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 红花
    红花
    子板块内专家分月排名榜第一
  • 蓝花
    蓝花
    子板块内专家分月排名榜第三