- 博客(50)
- 收藏
- 关注
RSS订阅原创 人力资源管理的本质
还没写完呢这是个人理解，本人理工科出身，喜欢直来直去，理论化的知识，苦于市面上的人力书籍资料都不说人话，遂有此文刚入门，甚至没有系统的学习管理知识，因此这篇会长期更新。
2023-06-06 11:03:06
498
原创 HR 的一些专有名词
将被测评人按岗位分组，将评价指标分解为若干项目，组织相关人员按测评表项目，对被测评人进行评价或交叉评价，每组人员一般由30人以上评价。通过实现办公自动化，或者说实现数字化办公，可以优化现有的管理组织结构，调整管理体制，在提高效率的基础上，增加协同办公能力，强化决策的一致性。360度测评的长处就在于能恰当地反映被测评者的德行表现以及大家对被测评人表现出来的才能的认可，并且把定性评价工作用细化的指标进行量化分析，其结果可以进行排队比较。它是行为比较法的拓展应用，评价者更多，不仅仅局限于被评价者的上级。
2023-06-01 09:16:49
721
原创 互联网产品岗
个人理解的狭义的平台，应该包含商家、用户、平台三方，典型的就是美团、淘宝。工具类产品更加关注用户使用体验、效率、覆盖面等指标，对于产品的职责更多集中在如何保持产品增长，促进产品优化方面，用户主要和工具产品，人和物之间产生关联。尤其对于很多平台来说，任何一点的缺失都会影响用户的体验，与工具类产品越做越精细不同的是，对于平台产品岗而言自己的工作始终是让自己的产品功能越来越全面。对于用户而言，使用社交类产品是为了获取和其它用户的互动，用户与用户通过产品相互联系，产生互动，依据彼此的吸引留在产品中。
2023-05-30 18:20:24
817
原创 BRDF
如果想要更好的理解，可以先看这篇文章首先，BRDF其本意是一个函数，特指Cook-Torrance BRDF模型中计算反射的部分但一般所说的BRDF均指整个Cook-Torrance BRDF模型本人由于习惯，BRDF均特指计算反射的函数本文不考虑透射（BTDF）情况双向反射分布函数BRDF(Bidirectional Reflectance Distribution Function)
2023-05-05 09:44:22
524
原创 绒毛/短毛渲染
这样一来，便将渲染毛发这种听起来不可思议的事情，转化成了渲染一堆叠起来的纹理了，这听起来就实际多了，不过这仍然会消耗大量的算力。将没有毛发的空袭部分alpha值记为0，就像是用透明度这个工具一点点雕刻，这样便可以雕刻出毛皮的样子。只不过这毛发不是实体的，而是分层的面片，侧面看会露馅，不过好解决，只要层数足够多，就可以掩盖这一点。纹理很好用，我们想把所有的毛发信息记录在纹理中，但是纹理只是2维的，如何记录三维的毛发信息呢？尽管开销很大，但这也是当前渲染毛发最好的方法了（实时），别的开销更大。
2023-04-20 16:03:56
655
1
原创 描边/轮廓线总结
基于V和N描边：通过V·N来得到轮廓信息，只需要一个Pass（缺点：效果一般）过程式几何描边：先渲染放大的背面，再渲染正面，这样轮廓就出现在屏幕上了；需要两个Pass，适合表面平滑模型（缺点：不适合cube这种规则平整的模型）后处理描边：通过后处理的卷积实现，详情看本人的另一篇文章（缺点：深度和法线变化小的轮廓无法检测：桌面上的纸张）轮廓边检测描边：通过公式（后面会讲）判断模型上的哪些边是位于边缘的，直接获取构成轮廓的边，并直接用渲染这些边。
2023-04-14 17:11:53
534
原创 Unity 边缘光
难得直接把效果摆出来。如果有人看的话，体验能好点吧，比我之前直接上公式代码要好。边缘光的用处很广泛，比如材质的渲染，云的渲染，角色选中特效等。的点积，获得一个值，越靠近边缘越小，用这个值着色就行。边缘光其实也可以用来描边啦，但并不是常规思路。多的不说了，这个太简单，直接看下面的实现。
2023-04-14 16:48:40
241
原创 SSSSS屏幕空间次表面散射
后处理中是不能使用模板测试的，如果使用则会失效，这是因为后处理是在虚拟的渲染纹理中进行的，而这个渲染纹理并没有继承屏幕空间中的各个缓冲（不确定，但应该是这样）既然不能用模板，那么就来学习遮罩吧，但是呢，对于本人而言有那么一点复杂，我不是很会写脚本，这部分先跳过，以后脚本能力够了回来补。如果有需要完整代码的，Unity的AssetStore中有前辈写好的。第三个参数改成24会保留深度模板缓冲，经测试无效。关于blur的详细介绍可以看本人的。这样会保留缓冲， 但经测试依然无效。注意：后处理中无法使用模板测试。
2023-04-12 12:12:59
716
原创 shader编写纠错集锦
说明有一个 ‘xx脚本’ 跟当前出错脚本内容一致，你没注意到，找到它删掉或修改。这样的数字表示（shader本来就没int）说明脚本里面的类名和脚本自己的名字不一致。会慢慢积累，数量足够文章也会整理。shaderlab不能用。在pass中声明时用了。
2023-04-04 11:29:40
201
原创 PBR总述
是用来描述低散射系数的物质，次表面散射的强度非常低，同时其散射出的光线距离入射点非常近，在一个像素内，因此计算中，BSSRDF会并入BRDF计算。根据上面的公式很容易得出，下面的图更助于理解（注意这个图并不包含BSSRDF）BSDF模型实际上想描述的是一束光在射到物体上时，所有的光的去向。以上所有的函数都 < 1；这是因为还有被吸收掉的光。辐射照度（irradiance）：入射光强度。辐射亮度（radiance）：反射光强度。
2023-04-04 11:23:46
107
原创 Unity 的一些机制
新建一个3d对象，如果其使用了自带的shader，将不会在Assets里面出现其材质，这个自带shader本身不可修改，若使用贴图放到3d对象身上，unity会自动创建一个以贴图为名称的材质（因为一个物体的材质是必须的，当修改默认时，自然需要一个材质）后处理中是不能使用模板测试的，如果使用则会失效，这是因为后处理是在虚拟的渲染纹理中进行的，而这个渲染纹理并没有继承屏幕空间中的各个缓冲（不确定，但应该是这样）（这个距离相机的距离具体是怎样测度的暂时不清楚：可能是对象的原点，也可能是对象距离最远/近的顶点）
2023-03-31 16:08:42
166
原创 Unity模板缓冲
1、Unity中模板缓冲的关键词是Stencil，模板缓冲是不可完全编程部分，只能进行配置（选他提供的预设函数）参考值：用来进行模板测试的参考值，也就是当前shader给予的值，用来和模板缓冲中的值进行比较。这个效果并没有用到后处理，只是模板缓冲的应用，但是在边框绘制出来后，结合后处理的模糊会更好。，给模型进行顶点放缩，放大一点点，用纯色绘制，但要在第一步中标记区域停止绘制。2、渲染物体，在绘制物体时修改模板值（此时在这个物体位置模板值改变了）（模板测试的进行一般是和当前模板缓冲区的值进行对比）
2023-03-28 17:07:11
493
2
原创 Unity标准shader 结构&语法 大全
如果着色器中有需要抽象出来的函数，写在相应的着色器之前如果着色器中有需要抽象出来的函数，写在相应的着色器之前。
2023-03-28 15:09:40
592
原创 Unity 屏幕后处理 总述
目前尚存的问题1，我们知道unity的shader是以对象为单位的，也就是说一个shader只会作用于该对象，这是不是本身就是一个模板测试？
2023-03-23 16:31:17
279
原创 unity边缘检测
对于一个像素而言，如果其处在图像的边缘，那么其两侧的像素应该颜色变化较大，我们用梯度。这个shader就点意思了，这是第一次见卷积类的后处理，把这个处理好，以后都不愁。脚本还是很简单的，后处理的脚本应该没什么变式，只要懂了之后就没什么可延申的了。由于游戏中含有大量的光影等复杂信息，上述的边缘检测显然会出现各种不想要的情况。之后，我们便可以绘制边缘检测图像（G越大越可能是边界，加深之即可）进行边缘检测一般需要两个核，分别用来检测两个方向上的梯度。因此为了满足游戏的需要，需要在。获得每一个像素的梯度。
2023-03-23 16:30:42
406
1
原创 BSSRDF
次表面散射是现实中一种非常常见的材质外观，所有有着半透明外观的物体，例如玉石，大理石，蜡烛，可乐，苹果，牛奶包括人类的皮肤，等等。现实中这种半透明的材质其实非常普遍，所以如何为它们的外表建立正确的数学模型是照片级别真实感渲染的重要一部分与此同时，次表面散射现象的模拟比一般的表面反射复杂很多，因为要正确的模拟这种现象，光线不止再物体的表面发生散射，而是会先折射到物体内部，然后再物体内部发生若干次散射，直到从物体表面的某一点射出，例如下图中的（b）。
2023-03-16 14:26:27
288
原创 概率论
文章目录期望方差中心矩切比雪夫不等式Stein's 引理矩母函数期望Ef(g(x))E_f(g(x))Ef(g(x))这种，说明x服从f分布，称为g(x)关于f的期望E(g(x))=积分E(g(x))=积分E(g(x))=积分µX=argmin E(X−a)2µ_X = arg min\ E(X − a)^2µX=argmin E(X−a)2期望是离差和最小的值方差中心矩切比雪夫不等式P(g(X)≥r)≤E[g(X)]rP(g(X) ≥ r) ≤\frac{E
2023-03-16 14:25:13
183
原创 朴素贝叶斯
Naive Bayes算法本身相关算法本身首先，上公式贝叶斯公式：P(B∣A)=P(A∣B)P(B)P(A)P(B|A)=\frac{P(A|B)P(B)}{P(A)}P(B∣A)=P(A)P(A∣B)P(B)朴素贝叶斯假设特征向量之间是相互独立的无需训练过程，只需要数据集，对于新的样本，只需要统计与样本相关的数据，带入公式即求得预测值但同样的条件A下，B的各个取值的贝叶斯估计求解出的概率之和，不为1，即：∑P(Bi∣A)≠1\sum P(B_i|A)\neq 1∑P(Bi∣A)=1
2023-03-16 14:23:30
33
原创 强化学习捏
强化学习马尔可夫决策过程概念图马尔可夫决策过程定义： 下一个状态的产生只和当前的状态有关，即：在强化学习中，agent与environment一直在互动。在每个时刻t，agent会接收到来自环境的状态s，基于这个状态s，agent会做出动作a，然后这个动作作用在环境上，于是agent可以接收到一个奖赏Rt+1Rt+1，并且agent就会到达新的状态。所以，其实agent与environment之间的交互就是产生了一个序列： S0,A0,R1,S1,A1,R2,...我们称这个为序列决策
2023-02-17 14:31:36
38
原创 无约束优化
优化二分法 Bisection牛顿拉普森法 Newton-RaphsonConvergence Order 收敛阶:定义：当目标函数不可微，或者h(x)难以计算时黄金搜索法多维情况牛顿法前提：目标函数为g(θ)g(\theta)g(θ)1）h(θ)=g′(θ)h(\theta)=g'(\theta)h(θ)=g′(θ)二分法 Bisection零点定理：当h(θ)h(θ)h(θ)是连续的。I如果 a<b并且h(a)h(b)<0a < b 并且 h(a)h(b) <0
2023-02-17 14:29:12
100
原创 bootstrap重抽样
bootstrappingmotivationimplement方法一：来自数据科学课堂方法二：来自统计计算课件motivation很多统计学的东西都是基于各种假设之下的，当我们不想对数据附加太强硬的情况下，仍然想知道这些数据的分布，此时便是这种方法的用武之地（但个人还是不太懂这个动机，bootstrap难道没有假设吗，他的性质不需要假设就能证明吗？）implement个人目前了解到两种用法：不过这只是两种用法，其内涵是一致的：方法一：来自数据科学课堂当我们已经具有一组从母体中抽取的n个样本
2023-02-17 14:28:31
1270
原创 KNN算法
K Nearest Neighbors概述其他距离N的取值优缺点优点：缺点：概述很简单，给定一个数据集，确定唯一参数N，模型即完成模型的使用，对于一个新的样本值，计算其周围最近的（Nearest Neighbors）N个样本，数量最多的取值，即为模型的预测值其他距离曼哈顿距离：d(x,y)=Σ∣xi−yi∣d(x, y)=\Sigma{|x_i-y_i|}d(x,y)=Σ∣xi−yi∣欧式距离：就是直线距离：d(x,y)=Σ(xi−yi)2d(x, y)=\sqrt{\Sigma{(x_i
2023-02-17 14:28:06
63
原创 K-means聚类
无监督学习前言K-means详细步骤注意事项前言首先需要先介绍一下无监督学习，所谓无监督学习，就是训练样本中的标记信息是位置的，目标是通过对无标记训练样本的学习来揭示数据的内在性质以及规律。通俗得说，就是根据数据的一些内在性质，找出其内在的规律。而这一类算法，应用最为广泛的就是“聚类”。聚类算法可以对数据进行数据归约，即在尽可能保证数据完整的前提下，减少数据的量级，以便后续处理。也可以对聚类数据结果直接应用或分析。而Kmeans 算法可以说是聚类算法里面较为基础的一种算法。K-means这里
2023-02-17 14:27:28
49
原创 决策树 随机森林
DECISION TREEID3信息增益信息熵条件熵对于一棵决策树，如何使用是非常简单的，在此不过多赘述其实大多数模型都是一个思路：通过数据进行训练，构建模型，之后对于一个新数据，只需代入模型即可问题是如何构建模型，这才是一个算法的关键构建方法有很多种，在此我们仅介绍ID3（考试只考这个）ID3总的来说，ID3就是一种按照不同属性的信息增益来递归构造决策树的方法将所有属性的信息增益都计算一边之后，取最大的属性为根节点，再对每一个子树进行同样步骤，直到所有叶子节点都只有一个值，或所有属性都使用
2023-02-17 14:26:44
64
原创 宏观经济学 IS-LM模型
文章目录概念GDP总需求货币概念GDP一个国家或地区在一定时间内生产的最终产品和服务的价值总和消费 + 投资 + 净出口总需求产出需求量与价格水平之间的关系，即MV=PYMV = PYMV=PY中，MV均为常数时PY成反比货币MV=PY=PTMV = PY = PTMV=PY=PTV=1/kV=1/kV=1/kM 货币供给V 货币流通速度P 价格水平/gdp平减指数Y 产出量/总收入/实际gdpT 一定时期交易总数k 对于每一美元，人们想要持有的货币数量PY 名义gdp通
2023-02-17 14:26:05
3252
原创 宏观经济学基础
文章目录概念财政政策：货币政策：四大目标：货币利率GDP开放的经济失业：概念财政政策：扩张性：减少财政收入（减税 ，增支，财政赤字）紧缩性：增加财政收入货币政策：扩张性：降低银行准备金率，降低存款利率，印钱紧缩性：减少货币供给四大目标：1.持续增长；2.稳定物价；3.就业；4.国内外收支平衡。gdp核算的三种方式，定义汇率适应性预测 理性预测菲利普斯曲线时滞挤出效应货币数量论 ，用T， 不行的时候替换成 Y短期中价格是黏性的冲击：外生因素导致需求或供给曲线变化
2023-02-17 14:26:01
135
原创 宏观经济学 索洛模型
索罗模型简介基本推导生产函数消费函数资本存量 投资 折旧投资折旧资本存量的变动结论黄金律水平简介索洛增长模型，又称新古典经济增长模型、外生经济增长模型，是在新古典经济学框架内所提出的著名的经济增长模型。主要用于解释固定资本增加，对GDP 所产生的影响。该模型假设投资的边际收益率递减，即在一定数量后生产得越多，效率越低。模型结论：经济增长的路径是稳定的。在长期只有技术进步是增长的来源。基本推导假设1：生产函数规模报酬不变，即：zY=F(zK,zL)zY=F(zK,zL)zY=F(zK,zL
2023-02-17 14:25:45
8361
原创 MCMC蒙特卡洛马尔可夫过程
MCMC定义定义随机过程：考虑一个随机变量的序列 X={X0,X1,X2...Xt...}X=\{X_0,X_1,X_2...X_t...\}X={X0,X1,X2...Xt...}这里 XtX_tXt 表示时刻 ttt 的随机变量， t=0,1,2...t= 0,1,2...t=0,1,2...每个随机变量的取值集合相同，称为状态空间，表示为 SSS 。随机变量可以是离散的，也可以是连续的。以上随机变量的序列构成随机过程(stochastic process)。假设在0时刻的随机变量
2023-02-17 14:24:08
259
原创 逻辑回归lr
逻辑回归1. 模型介绍1.1 Logistic 分布1.2 Logistic 回归1.3 代价函数1.4 求解1.随机梯度下降（为什么要加随机二字）2.牛顿法1.5 正则化L1 正则化L2 正则化L1 和 L2 的区别1. 模型介绍逻辑回归是一个非常经典的算法，其中也包含了非常多的细节，曾看到一句话：如果面试官问你熟悉哪个机器学习模型，可以说 SVM，但千万别说 LR，因为细节真的太多了。Logistic Regression 实际上是分类模型，并常用于二分类。Logistic Regression
2021-12-20 16:26:05
214
原创 Ridge regression
ridgemotivationWhat is that岭回归的解读判断共线性和标准化λ\lambdaλ的确定老朋友GCVmotivation构建模型初期，我们为了将所有的因素都考虑到，我们会尽可能的引入所有可能的潜在变量，因此也导致了一些问题：1）协变量的数量太多，以至于多于样本的数量2）某些变量之间存在共线性，例如月工资和年薪本节我们专注于第二点：共线性1）我们知道∣XTX∣≠0|X^TX|\neq0∣XTX∣=0时；或者XXX的所有列都相互独立(判断方法见下)，(XTX)−1(X^TX
2021-12-02 16:56:05
996
原创 Model Checking
模型检验What is that1) GM不满足时,会发生什么总的来说:why:2) 如何检验该模型是否满足假设3) 当不满足时,我们可以做些什么What is that之前所有的回归模型及性质都是基于GM假设的: E(ϵi)=0E(\epsilon_i)=0E(ϵi)=0 i=1,2..n_{i=1,2..n}i=1,2..n Var(ϵi)=σ2Var(\epsilon_i)=\sigma^2Var(ϵi)=σ2 i=1,2..n_{i=1,2..n}i=1,2..n ϵ1,ϵ2.
2021-11-24 15:06:24
86
原创 variable selection
变量选择what is thatHow to do thatstepwisebackward eliminationforward selectionstepwise selectionAll subset selectionwhat is that对于一个模型，其含有的协变量数量和性质的关系如下图：MSE[y^(x0)]=Bias[y^(x0)]2+Var[y^(x0)]MSE[\hat{y}(x0)] = Bias[\hat{y}(x0)]^2 + Var[\hat{y}(x0)]MSE[y^(
2021-11-24 15:05:54
272
原创 Multiple Liner Regssion Model
多元回归模型介绍What is thatHow to do thatWhy is correct代数角度推导几何角度推导What is that多个协变量决定一个因变量，并且具有同一个白噪声(σ\sigmaσ)我们通过一些实验数据，推断其原本符合的模型，使用方法为最小二乘估计(OLS/LSE)How to do that模型： yi=β0+β1xi1+β2xi2+...+βpxip+ϵiy_i=\beta_0+\beta_1x_{i1}+\beta_2x_{i2}+...+\beta
2021-11-06 16:23:44
127
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人