原创 兩個網格的近似誤差估計

之前也做了網格簡化的東西:  三維網格精簡算法(Quadric Error Metrics)附源碼 在同樣一篇論文中提出了估計誤差的一個公式,非常類似於Hoppe等在Piecewise Smooth Surface Reconstruct

原创 Doo-Sabin細分算法

Doo-Sabin細分算法是二次均勻B樣條曲面二分技術的推廣。不同於Loop細分算法,Doo一Sabin細分算法是一種基於四邊形控制網格的細分算法。 算法描述 對於每一個控制網格的面f,設其頂點爲V_k^old(k=1,...n),則新的

原创 利用LSTM和quantile regression(分位數迴歸)的異常行爲檢測

本文翻譯自:Anomaly Detection with LSTM in Keras -- Marco Cerliani 目錄 數據集 模型 交叉驗證 結果 總結 “異常行爲”(anomaly)的定義在不同的上下文中會有區別。在這種混亂中

原创 蒙特卡洛樹搜索(MonteCarlo Tree Search)

問題描述 這個題目來自一個我的作業: Construct a binary tree (each node has two child nodes) of depth d=12d = 12d=12 and assign diffe

原创 找到三角網格中的孔洞

大致上還是沿用了loop細分中尋找邊界的思路,將其中的一部分代碼截出來形成了新的算法,如果一條邊只被索引了一次就是邊界,而空洞一定是由這些邊界組成的。所以目標就是找到邊界,主要的函數如下find_holes_in_triangle_mes

原创 N-step Bootstrapping For Advantage Actor-Critic

by Xiaoxiao Wen, Yijie Zhang, Zhenyu Gao, Weitao Luo 1 Introduction and Motivation In this project, we study n-step

原创 Q-Learning介紹:一種增強學習

最近在訓練機器人,學習了Q-learning算法,看到了幾篇比較好的文章,好幾篇文章已經有人翻譯過了,還有一系列好文章還沒有翻譯版本,這篇文章是medium上的,出處爲 An introduction to Q-Learning

原创 點到三維網格最近邊的距離

之間寫過點到三維網格最近頂點的距離,也寫過點到三維網格上面點的最近距離,今天po一篇點到三維網格最近邊的距離。 其實在剛剛我提到的我的後面這篇博文裏,已經有相關介紹了。在這裏要感謝 Daniel Frisch在mathworks上的貢獻p

原创 matlab實現封閉四邊形網格的Catmull-Clark細分(CC細分)

之前的一篇文章:網格細分算法(Catmull-Clark subdivision & Loop subdivision)附源碼閱讀量還很大,但是其實代碼有一點小問題,在這裏我暫且先把封閉網格的代碼改好,至於任意四邊形網格,會在後面的博客中

原创 點到三維網格最近點距離

首先需要定義點到三維網格的距離,應該定義爲這個點到三維網格的最近頂點之間的距離,因此需要遍歷一遍三維網格上點的信息(在這裏拓撲信息是沒有用的),下面給出兩種實現的方法 1.計算距離矩陣求最小值 function [error2,sur

原创 MATLAB實現Catmull-Clark細分(CC細分)

終於調試好了Catmull-Clark細分(CC細分)的全部程序,將之前只適用於封閉四邊形網格的程序進行了完善 主要一段代碼來自於三維網格細分算法(Catmull-Clark subdivision & Loop subdivision)

原创 利用各向異性平滑圖像

轉載自:matlab練習程序(各向異性擴散) 主要是用來平滑圖像的,克服了高斯模糊的缺陷,各向異性擴散在平滑圖像時是保留圖像邊緣的(和雙邊濾波很像)。 通常我們有將圖像看作矩陣的,看作圖的,看作隨機過程的,記得過去還有看

原创 Requests庫的主要方法解析

Requests庫的7個主要方法 requests.request() 構造一個請求,支撐以下各方法的基礎方法 requests.get() 獲取HTML網頁的主要方法,對應於HTTP的GET requests.head() 獲取HTML

原创 Requests庫入門

在mooc上學習嵩天老師的爬蟲課,整理一些學習筆記~ Requests庫的安裝 Requests庫的安裝 Win平臺: “以管理員身份運行”cmd,執行pip install requests 這裏我要說明的一點是:在我的電腦裏同時安

原创 網絡爬蟲的規則

網絡爬蟲引發的問題 網絡爬蟲的尺寸 網絡爬蟲的“性能騷擾” Web服務器默認接收人類訪問 受限於編寫水平和目的,網絡爬蟲將會爲Web服務器帶來巨大的資源開銷 網絡爬蟲的法律風險 服務器上的數據有產權歸屬 網絡爬蟲獲取數據後牟利將帶來法律