h2

https://www.cnblogs.com/LXP-Never/p/12239399.html 作者：凌逆战 地址： https://www.cnblogs.com/LXP-Never/p/12051532.html 波束成型 （Beamforming）又叫 波束赋形 、 空域滤波 作用 ：对多路麦克风信号进行合并处理， 抑制非目标方向 的干扰信号， 增强目标方向 的声音信号。 原理 ：调整相位阵列的基本单元参数，使得某些角度的信号获得相长干涉，而另一些角度的信号获得相消干涉。对各个阵元输出信号加权求和、滤波，最终输出期望方向的语音信号，相当于形成一个“波束”。 远场 ：由于信号源到阵列的距离远大于阵元间距， 不同阵元接收信号的 幅度差异较小 ，因此把不同阵元采集的语音信号的幅值认为都是一样的，只需对各阵元接收信号的 相位差异 进行处理即可。 近场 ：不同阵元 接收到的信号幅度 受信号源到各 阵元距离差异 的影响非常明显，需考虑信号源到达不同阵元的 波程差 。 问题： 通常的阵列处理多为窄带，使得传统的窄带信号处理方法的缺点逐渐显现出来。语音信号的频率范围为300~3400Hz，没有经过调制过程，且高低频相差比较大，不同阵元的相位延时与声源的频率关系密切，使得现有的窄带波束形成方法不再适用 信噪比比较低和混响影响比较高的环境下难以准确估计波达方向

https://amazonaws-china.com/blogs/machine-learning/training-batch-reinforcement-learning-policies-with-amazon-sagemaker-rl/ Amazon SageMaker is a fully managed service that enables developers and data scientists to quickly and easily build, train, and deploy machine learning (ML) models at any scale. In addition to building ML models using more commonly used supervised and unsupervised learning techniques, you can also build reinforcement learning (RL) models using Amazon SageMaker RL. Amazon SageMaker RL includes pre-built RL libraries and algorithms that make it easy to get started with

https://amazonaws-china.com/blogs/machine-learning/using-deepchem-with-amazon-sagemaker-for-virtual-screening/ Virtual screening is a computational methodology used in drug or materials discovery by searching a vast amount of molecules libraries to identify the structures that are most likely to show the target characteristics. It is becoming a ground-breaking tool for molecular discovery due to the exponential growth of available computer time and constant improvement of simulation. Deep learning technologies are widely used in this computational virtual compound screening, and such

https://juejin.im/post/5e3d3395f265da571e260bcf 不知道是不是觉得求职者面试压力还不够大，硅谷许多公司在面试时往往会另辟蹊径，给面试者抛出各种奇葩难题，以此来考验你到底符不符合他们的“胃口”。 这些莫名其妙的奇葩题，让无数求职者无可奈何；不少奇葩面试题更是引得一大堆网友吐槽。今天，我们整理了部分奇葩面试的题目，大家可作参考…… Facebook：逻辑是招人首要标准 让你清洗西雅图所有的窗户，你怎么收费？ 很明显，这是一道没有“标准答案”的题。 但就是这样一道看起来随口一诹的题目，面试官可以通过这个看出你对西雅图地区或某个岗位的了解程度、在工作岗位上是否具有处理数字的逻辑能力以及应对大体量工作时能否想出合理的方式。 你可以回答不要钱但是通过添加额外服务来收取增值费用；也可详细地摆出西雅图市的人口、房屋数据，再加上相关服务的行业费用，别忘还有车玻璃；更有甚者，可以选择直接找外包公司解决。 实际上，那些大多数看似无厘头的问题考验地是 一个人的逻辑思维能力和知识储备 。 另附Facebook奇葩面试题两则： 你如何算出一座交通繁忙的桥的车流量？ 大家使用公用wifi看视频影响了网速，你也在用这个wifi，但你没有网络设置权限，你有什么方法可以阻止别人看视频呢？ Apple：比起纸上谈兵，更看中落地能力 帝国大厦有多重？

https://juejin.im/post/5e60a3a4f265da57642998d7 Kubernetes已经成为企业新一代云IT架构的重要基础设施，但是在企业部署和运维Kubernetes集群的过程中，依然充满了复杂性和困扰。阿里云容器服务自从2015年上线后，一路伴随客户和社区的成长，目前托管着上万的K8s集群来支撑全球各地的客户。我们对客户在规划集群过程中经常会遇见的问题，进行一些分析解答。试图缓解大家的“选择恐惧症”。 如何选择Worker节点实例规格？ 裸金属还是虚拟机？ 在 Dimanti 2019年的容器调查报告 中，对专有云用户选择裸金属服务器来运行容器的主要原因进行了分析。 选择裸金属服务器的最主要原因（超过55%）是：传统虚拟化技术I/O损耗较大；对于I/O密集型应用，裸金属相比传统虚拟机有更好的性能表现 此外近36%的客户认为：裸金属服务器可以降低成本。大多数企业在初始阶段采用将容器运行在虚拟机的方案，但是当大规模生产部署的时候，客户希望直接运行在裸金属服务器上来减少虚拟化技术的license成本（这也常被戏称为“VMWare税”）。 还有近30%的客户因为在物理机上部署有更少的额外资源开销（如虚拟化管理、虚拟机操作系统等）；还有近24%的客户选择的原因是：可以有更高的部署密度，从而降低基础设施成本。 超过28%的客户认为

https://zhuanlan.zhihu.com/p/106724590 2020 的开头实在是太烂了，新冠肺炎肆虐神州大地，这场突如其来的灾难影响实在是太大了，全国人民在齐心协力共度难关的同时，也无时无刻不在期盼疫情快点过去。当然我们在隔离办公的同时，每天也都关注着疫情的发展，盼望着“拐点”快点来临，毕竟大家都盼望着外面的新鲜空气呢！ 这里我制作了一个疫情展示的页面，也为这次疫情贡献一份力量。 数据获取 我这里使用的数据是天行数据提供的免费接口以及网易的实时数据接口 天行数据的两个接口 > HTTP请求GET/POST接口测试工具 - 天行数据TianAPI 和 > HTTP请求GET/POST接口测试工具 - 天行数据TianAPI 以及网易提供的实时数据接口 > https:// c.m.163.com/ug/api/wuha n/app/index/feiyan-data-list 为了不多次的访问网络接口，我从这三个接口中获取到数据后，都保存到了本地的 redis 中，这样只需要每隔一段时间访问上面的三个接口即可，其余 web 页面的请求都从 redis 中获取。 以网易接口为例 def get_trend_data (): headers = { 'user-agent' : '' , 'accept' : '' } url = 'https://c.m.163

https://amazonaws-china.com/blogs/machine-learning/flagging-suspicious-healthcare-claims-with-amazon-sagemaker/ The National Health Care Anti-Fraud Association (NHCAA) estimates that healthcare fraud costs the nation approximately $68 billion annually—3% of the nation’s $2.26 trillion in healthcare spending. This is a conservative estimate; other estimates range as high as 10% of annual healthcare expenditure, or $230 billion. Healthcare fraud inevitably results in higher premiums and out-of-pocket expenses for consumers, as well as reduced benefits or coverage. Labeling a claim as fraudulent

https://www.leiphone.com/news/202002/j4oi1swoB6Zlb5nq.html 2020年2月12日，截止至发文，国家卫健委公布，全国累计新型冠状病毒感染者确诊44726人，疑似病例21675人。 如果说这场危机与2003年的非典相比有何不同的话，科技的进步在抵御疫情方面能算一个亮点。 人工智能大火的这几年，数据和算力的进导致其理论和应用都出现了井喷的现象。 那么在这次抵御过程中，AI是否外强中干呢？ 下面雷锋网 AI 科技评论盘点了这次疫情防治过程中，AI 所干的八件事情。管中窥豹，欢迎补充！ 1、AI模型精准预测病毒爆发的时间+地点 在WHO提醒公众新冠状病毒爆发之前，加拿大人工智能公司已经拉响了警报，最早在2019年12月底其就向客户通报了这种新型冠状病毒。 据介绍，加拿大BlueDot公司，是一个使用数据评估公共健康风险的公司，通过将AI和自然语言处理技术相结合，从而进行“自动传染病监测”工作。这个公司只拥有40名员工，是一家典型的小微企业。 这款名为全球早期预警系统”（Global Early Warning System）的预测AI是BlueDot公司在2018年开发的一个人工智能应用，这款应用可以通过人工智能分析官方和非官方来源的信息寻找相关词汇和短语，快速发现潜在疫情。如此精准的预测其实并不是第一次。 早在2016年