半夜更新看板娘 ~

mm原本不穿衣。mm原本没右手。系噶系!我们还是和谐点吧。。
猜猜mm摸的啥~ STRIKE FREEDOM GUNDAM 的小脚啊~ 灭哈哈哈哈!

快三年木有画画了%>_<%
上帝祝福我定期更新看板娘><

PS:我觉得,Pure Research是个非常好的终点。
PPS:不会写代码的高达驾驶员不是好男主角!

迟来的WOW毕业留念

写在熊猫人将开塞拉摩沦陷罗宁会死吉安娜要博出位的9月25日。

手边的《如果宅》还只看了一半不到。作为一个巫妖王时代才被大饼带进WOW的才刚开始旧了一点的玩家,书中的那些“服务器娘被修空调的大叔抱走”“三季稻在荆棘谷猎杀小号”的桥段,其实是有些陌生的。我们用的是YY,他们用的叫UT。
其实在巫妖王时代,WOW里一些我向往的游戏元素已经开始流失了。那时,我就是一边找背偷钱,一边听左边的大饼抱怨暴雪改掉了各种有趣的设计。那时,我还是个经常忘抹毒药只喜欢偷东西的贼,现在也还是。小萱萱扔给我们1w金和10个霜纹包,骑着摩托赶过几个部落,竟然就AFK了。

常常觉得可惜,我都没有经历过副本门口的跑尸恶战,我甚至都没有亲手做过毒药。虽然兢兢业业地做完了职业任务,却没有实质的效果,这很无趣。到大灾变时代,为了团队配置速成了个牛头大萨满,我一直觉得,那些厉害的图腾和火大爷,来得太容易了。

不过,至少我见过副本打到一半没箭了的猎人,见过攒灵魂石的术士,我在祖尔法拉克捡尸体捡到手抽筋,在斯坦索姆见到一个80级的圣骑拖着满副本的怪跑着跑着被敲出春哥来,噗哈哈。我对着银松森林的草药和湖波吟过诗,听过黑海岸边多情的精灵的哭声,感叹过贫瘠之地的广袤,我的小猎人带着修玛一直到60级。
我一直记得我曾是一个暗夜精灵。

p_large_7LQZ_0c6b00012d065c70

Read More

说说最近看过的电视剧

昨晚有人熬着夜debug,我就窝在毛毯里快进着看「甄嬛传」到凌晨2点。早上起来看完了最后一集。该死的都死了,不该死的也死了。

听说这片刚开拍的时候豆瓣的评分只有2.0,原因不出“演员太丑”“好好的小说被毁了”“为嘛又是清朝”;开播之后才慢慢的开始爬,到了现在的8.0。我没看过小说,刚看第1集的时候因为豆瓣的海报太丑外加片子竟70多集,只给了3星;看到一半,加了1星;今天才去改成5星,我觉得,当得起。

搜了下「甄嬛传」小说的评论,再加上小说作者笔名的风格,想来应该是个言情虐心剧;可又去查了下电视剧的导演郑晓龙(照片挺帅),以前拍的却是「金婚」「渴望」「四世同堂」这样的正经剧目。因此,整个片子的基调就很厚重,配乐选角都是四十代的沉稳,脱了二十代十代的稚嫩。小说粉丝讨厌一点也不奇怪。二次元世界三次元化都恨得粉丝牙痒痒,更何况一次元世界三次元化呢。再如何有理有据,也是脑内世界各人不同,强求不得。

似乎编剧就是小说作者本人,情节设置也算合理,不傻,戏剧性很强,人物性格分明,对人性扭曲的过程转折也算流畅,正面冲突紧张,背地里的小动作干脆。就是甘露寺那段我快进的最多,感觉假,这段的逻辑稍稍有些不畅。最满意剧里的人死的利落,不像有些片拖拉,无比珍惜每一个演员的死亡机会。
这是故事的真实感。一个人的死亡,本来就是很快捷的事情,割动脉15分钟,窒息8分钟,抹脖子1分钟,吞枪5秒钟。是血腥。生命的沉重,也许有一半是因为易于摧残。

Read More

2011年终盘点

本来不想点的,忙完工作又忙论文的都要虚脱了(房间都好久没打扫了)。不过昨天刚写完论文0.9ver.,今天怎么也鼓不起劲做GPUver.了,所以这些就等到2012再说吧,反正地球都要毁灭了。

今年冬天杭州没下雪。光降温了。

※音乐 忙起来连歌也不听了,每天在实验室总戴着耳机,但什么声音也没有,就是隔音保暖用的,连纯音乐都觉得吵。到了年末才想起来今年是LARUKU的复出年,也是20周年,09年的时候我还说想去日本参战周年演唱会的,有点伤感了。真的花大片时间听歌,也就这一个月瞎听了些虾米的年末精选,把各种年终歌会都快进了次,想见到的还是那些人,FNS里出奇的老歌多。完全是老爷子的心态嘛!
突然觉得喜欢德永英明(虽然我本来就爱好大叔音),壊れかけのRadio」「あの鐘を鳴らすのはあなた」
国内近来也出了些耐听的新歌手吧,为数不多的几次去KTV都是我很珍惜的听新歌的机会。
也许明年会改善吧,闲下来的话。

※动画 新番我都有跟的。不过好些跟着跟着就落下了,落太多就就想“恩,养肥了再看”,结果养着养着就忘了。。。
按时间来吧,看过的都说遍。
# IS | IS<インフィニット?ストラトス> 后宫片。亮点是萝卜和mm的结合体,男主角每收一个后宫ED画面里跟在他身后的mm就会多一个。其实我是冲着武道女主角追的。
# Fractale | フラクタル 不记得有没有看完了。。故事讲得有些散,坑没填完,对分形的解释有点脱离“分形”原本的概念,更像分身。制作算是精良吧。
# BREAKBLADE破刃之剑
这货算是今年的吧,这种分集剧场最磨人了。还有大饼要追的「UNICON」,都是等这集出来的时候忘了上集的内容。好在破剑的设定很奇特,武器像打墙钉的枪(其实就是),王后mm也很有爱。
# MacrossF 我不喜欢绿毛!
# 基友英雄传 | TIGER & BUNNY
这译名。。连载的时候我就是这译名才弃的它,要不是后来机缘巧合,真是错过了这个近来难得的热血好片。传统又非传统的对“英雄”的诠释,“为了梦想”“为了保护我所珍视的人们”,这种老掉牙的台词!这种老掉牙的感人桥段!这传神的你知我知的译名!

Read More

搬家~ lincccc.com

前段时间被blogbus的浮动视频广告恶心到了,就开始计划搬家的事。

大饼买了个主机空间,我就蹭着用了。新地址:lincccc.com

wordpress还不会用,凑活着看看先。有空再画个主题。

毕业前blogspot站还会同步更新,国内的blogbus就关掉了(让你弹广告!)。

新年快乐~

Fullmetal Fairy Tale ~「Real Steel」

今日大风。跑去UME办了张心心念念很久的会员卡,然后去看「Real Steel」。

我挺喜欢这片。暴力不血腥。大饼说,拥有一个机器人是每个男孩心中的梦想。我想起我们计划的赚够500万后要做的事情:买一座山,建一个城堡,种一坨果树,造一个洒水高达。

我看这片,就像在看睡美人、白雪公主之类的童话故事,一个小男孩从垃圾堆里捡到一个拥有超强模仿能力的机器人,最后打败代表邪恶势力的世界冠军,成为英雄的故事。

但我其实很喜欢暴力的事情,就是怕血腥怕痛,所以这片子很适合我。而且又是Happy Ending,Perfect!

遗憾的是,没有出现我期待的萝卜卖萌镜头。

PS:影片后期——就是银幕上打得正high的时候,机器人被调至模仿模式,某大叔体感操控,的时候。我忽然有种穿越感,仿佛坐回到实验室写视觉动作识别代码了;有些难以接受,这抗噪声抗高光,不完全捕获下的动作预测和补全功能,还高实时性,耐打防抖动,而且TM这准确率也太高了点吧。看看我手里温室下80%准确率就欢天喜地的实验结果,着实有些受伤。

还好,你丫只是个特效合成的电影。

[乱读书] 数据挖掘导论的导论


这种训练程序一跑就是2个小时的时候最适合乱读书了。最近买了本「数据挖掘导论」和一本「模式识别」,混着读。读「数据挖掘导论」是因为不知道那是什么,读「模式识别」是因为做了很久这方面的东西最近感觉有些混沌想要重读基础知识。所以两边的「乱读书」也会混着更新,懒的看书的就看我瞎侃好了。

数据挖掘是最近挺热的一个方向,业内做的比较好的典型有Google的广告推送、Amazon的推荐服务等等等,都是和数据挖掘相关的。有一个流传甚广的描述DM重要性的案例模板,或者是“可乐和尿不湿摆在一起为什么能提高销量”的故事,或者是“口香糖和电池”的版本,大体的意思都是“数据挖掘可以帮助零售企业,自动地从其大规模的零售数据中,发现一些有用的信息”。这也是本书中对「数据挖掘」所下的定义,关键词是“自动”、“大规模”和“有用”。

数据中的知识发现过程包括:数据→预处理→数据挖掘→后处理→有效信息。预处理包括特征选择、降维、归一化等等,后处理则是为了保证信息的有效性,包括可视化、模式解释和过滤等。数据挖掘在其中最大的作用是自动总结和筛选知识(我认为)。这是一个交叉性和应用性很强的领域,以数据库、分布式技术为基础,涉及统计学、人工智能、机器学习和模式识别等多领域。

Read More

八月中

君と夏の終わり 将来の夢
大きな希望 忘れない
10年後の8月 また出会えるのを 信じて
最高の思い出を…

与你一起度过夏季的尽头 未来的梦想 偌大的希望 不会忘记
深信能够在十年后的八月重逢
成为最美好的回亿


Read More

[基础算法] Random Forests

Random Forest(s),随机森林,又叫Random Trees[2][3],是一种由多棵决策树组合而成的联合预测模型,天然可以作为快速且有效的多类分类模型。如下图所示,RF中的每一棵决策树由众多split和node组成:split通过输入的test取值指引输出的走向(左或右);node为叶节点,决定单棵决策树的最终输出,在分类问题中为类属的概率分布或最大概率类属,在回归问题中为函数取值。整个RT的输出由众多决策树共同决定,argmax或者avg。

Node Test
node test通常很简单,但很多简单的拧在一起就变得无比强大,联合预测模型就是这样的东西。node test是因应用而异的。比如[1]的应用是基于深度图的人体部位识别,使用的node test是基于像素x的深度比较测试:


简单的说,就是比较像素x在uv位移上的像素点的深度差是否大于某一阈值。uv位移除以x深度值是为了让深度差与x本身的深度无关,与人体离相机的距离无关。这种node test乍一看是没有意义的,事实上也是没多少意义的,单个test的分类结果可能也只是比随机分类好那么一丁点。但就像Haar特征这种极弱的特征一样,起作用的关键在于后续的Boosting或Bagging——有效的联合可以联合的力量。

Read More