最近开启代理时Safari浏览器自带的翻译出现了“翻译暂时不可用”的情况.

Intro

作者在发表ARAP后，于2009年又发表一篇基于ARAP实现上的改进工作。使实现变得更简洁通用。其中主要有两个主要改进。

• 使用边为变形的基本单位。提高了代码的简洁性。
• 控制形变交互时，无需点击三角化后图像上的顶点，点击其中任意坐标即可。

和ARAP一样，算法的目标是在形变过程中，变换尽可能刚性，最小化每个三角形的扭曲。由于是一个非线性问题，得不到问题的解析解，所以作者将一个非线性优化问题近似分解为一系列的线性问题。 第一步允许旋转和平移，以及一致缩放(uniform scaling),惩罚非一致性缩放。第二步将第一步得到的结果通过进行自由平移得到最终的结果。这时惩罚旋转，和缩放。

Intro

用数学的方法去变形。

Motivation

就像论文的名字一样，实现尽可能刚性的形状操纵，什么是刚性形变？刚性形变：仅包含平移和旋转的几何变换， 什么物体在刚性形变过后都保持同样的大小和形状。 所以该论文在对形状进行操纵后形变效果相比于原始的图形，尽可能保持了原始的图形的形状。

把这个网站重新用起来的动机，是感觉自己明明做了很多，但总觉得什么都没做。所以计划强迫自己记录下来，以防自己真的什么都没干。

作者针对StyleGAN遗留的问题，对模型进行了修改，进一步提高的生成图像的质量。

StyleGAN

引言

• 最近做的项目，基本上是基于这个的。现在做的差不多，做一个记录。也算是一个总结。

StyleGAN

论文：arxiv, A Style-Based Generator Architecture for Generative Adversarial Networks

code: A Style-Based Generator Architecture for Generative Adversarial Networks

可以先看下StyleGAN具体的效果，由程序生成的照片的和真实世界拍摄的照片，仅凭肉眼是很难区分的。

记录一些 hexo 基本操作

Hexo 文档

选择题知识点

• 评价准则
• 决策树算法
• 共现性特征
• OSL估计
• 过拟合
  阅读全文 »

决策树模型概述

决策树模型是表示基于特征对实例进行分类的树形结构，决策树可以转换为一个if-then规则的集合，也可以看作是定义在特征空间划分上的类的条件概率分布。

但是直接从可能的决策树中直接选取最优的决策树是NP完全问题现实中利用启发式方法学习次优的决策树。

决策树学习算法包括三部分 * 特征选择： 选取对训练数据能够分类的特征 * 树的生成： 通常用特征选择准则(信息增益，信息增益率，基尼指数), 从根节点开始，递归的产生决策树。这相当于用上述指标不断地选取局部最优特征，或将训练集分割为能够基本正确分类的子集。 * 树的剪枝： 由于生成的决策树存在过拟合问题，需要对其进行剪枝，

常用的决策树算法有ID3，C4.5，CART

从上一篇中，我们了解了强化学习的一些重要的基本概念： 马尔可夫决策过程，贝尔曼方程 等等。 为了理解Deep Q-Learning，需要先学习这些 基本概念。