弹幕中的发言，多数都没什么新意，一次、两次还能看个新鲜，每次都看的话……
江寒无聊得差点打哈欠。
好在夏雨菲就在身边，及时给他补充了一点“灵感”……
试飞结束后，江寒的旁白再次传出。
“可惜电池还是有点不够用，只玩了不到一个小时，就成功地用光了全部电量……”
“现在up就要回去充电了，咱们下次再见！”
于是不出意外的，“暗示充电”和“下次一定”之类的弹幕，瞬间填满了屏幕的每一寸空隙……
看完视频，夏雨菲开心不已，主动和江寒“大功告成”了两分钟。
感受着她的喜悦和激动，江寒也差点“激动”起来。
可惜这里不是“深入交流”的好地方，所以也只能“浅尝辄止”……
两天后，盛夏生产的写字机器人，终于正式上市。
一开始的时候，销量并不算特别好。
一天台的出货量，对于一款新品来说，只能说还算凑合。
好在盛夏上下有的是耐心，并没有为此而焦虑。
市场需求放在那里了，只要宣传跟得上，早晚能达到应有的规模。
但谁也没想到，仅仅一周过后，销量就突然开始暴涨。
一开始只是淘宝上的几个大小卖家，弄了几个去尝鲜。
后来不知道哪路大神，搞了个开箱直播，广告效应简直不要太好。
于是乎，几乎是一夜之间，写字机器人就爆火了起来。
很快淘宝上挂着的那些，就都被消费者们抢光了。
卖家们看到赚钱的机会，自然只会有一种反应：加大力度！
于是，盛夏库存的台写字机器人，不到三天就宣布售罄！
随后，订单雪片一样飞来，每一批产品刚下生产线，就被各路分销商抢购一空。
产品销量一路走高，到了第二个周末，总出货量已经接近10万台。
盛夏方面，与此事有关系的人全都兴奋了起来。
毕竟销量是与奖励挂钩的。
可惜产能远远供不上需求，项目组上下也只能幸福并苦恼着。
江寒得知这个消息的时候，多少有点意外。
即使在另一个世界，写字机器人的销量也从未如此火爆过。
而且可以预见，还会持续走高一段不短的时间。
至于造成这种现象的原因……
江寒随意上网一搜，到处都是关于写字机器人的讨论。
很快他就弄清楚了事情的来龙去脉。
一方面是产品售价比较亲民，另一方面……
估计就是坏苹果加密的威力了。
魔都，一间写字楼。
朱先云坐在办公室里，面前的桌子上，摆着一台刚买来的写字机器人。
他已经对这个小东西，进行了一番相当专业的测试。
结果有点出乎意料。
虽然是玩具的价格，性能却可圈可点，即使以他行家的眼光，也看不出多少问题，反而找出了不少优点。
朱先云赞叹不已：“啧啧啧，有技术真的可以为所欲为呀！”
想当初，自己也曾经非常看好这个项目，还特地派张建泰去松江走了一趟，想把专利买下来，自己投产。
然而遗憾的是，老张把事情办砸了……
哎，老张这个下属，哪里都挺好的，就是稍微缺乏了点远见。
当初若是肯多花点钱，这个产品说不定就是自家公司的了！
至于当初最终定价的人，正是他自己这件事，就被他选择性的遗忘了……
在朱先云看来，这个写字机器人的硬件是没什么问题的。
但软件方面就略微有点不足了，模仿自己的笔迹，感觉只有7、8分相似。
看来盛夏的技术实力，不过如此……
不过，朱先云沉吟了片刻，心头忽然一动。
既然机器人自带的应用不够好，那自己不妨调试一下？
自己学了这么多年的逆向，不用一下岂不是浪费？
只要找到控制函数，修改一下参数，再完善一下算法……
想到就做，朱先云立即打开olyice，将可执行文件加载到了内存中，然后一点点调试了起来。
时间流逝。
三个小时后，朱先云叹了口气，颓然放开了键盘。
“这到底是什么加密？简直反人类嘛！”
这么简陋的小软件，居然用上了这么高强度的加密！
也不知道这个变态的加密程序，到底是谁搞出来的？
打个不恰当的比喻，他感觉自己就像那个“买椟还珠”的人。
只不过买了一个小玩具，就得到了一个核弹级的“赠品”……
朱先云这次是真的服了。
几乎与此同时，一些软件破解方面的专业人士、黑客雇佣兵们，则陷入了极度懊恼中。
朱先云修改软件，只是为了自己的个性化需求，他们出手却是为了赤果果的利益。
谁都知道，只要能把写在机器人r中的程序dump出来，就可以几乎无限制地仿制。
诚然，无论硬件结构还是软件程序，都受到知识产权法的保护。
但专利这个东西……真想绕过去的话，办法肯定比困难多。
可现在的问题是，经过整整一个星期的奋战，全国竟然没有一个“雇佣兵”，能破解盛夏的写字机器人！
这个机器人的r程序，以及附带的应用软件，全都被加上了一层坚不可摧的“外壳”。
雇佣兵中的确不乏高手，他们很快就发现了，这个“外壳”不是别的，正是两个来月前甚嚣尘上的“坏苹果”。
而且，写字机器人上的这一个，甚至比“坏苹果”更“坏”，堪称“坏苹果”二代！
破解难度太大，甚至看不到任何希望，这些人折腾了一段时间之后，就纷纷放弃了。78中文首发 78zw. m.78zw.
这样一来，由于市场上迟迟没有竞品出现，盛夏的这款产品的销量，也就更加膨胀了。
可以说，能生产出来多少，就能卖出去多少。
在技术爱好者的小圈子里，甚至造成了一机难求的“繁荣”景象……
自从上次聚会后，江寒整整花了一个星期的时间，上网收集资料，刷论文、找参考文献……
经过一番努力，终于做好了前期准备，正式动笔写作下一篇论文。
在他的计划中，这是今年最后的，也是最重要的一篇论文。
江寒打算在2012年的最后几天里，将“卷积神经网络”抛出去。
卷积神经网络，简称cnn，是一种前馈型的神经网络，在“深度学习”技术中，也是非常重要的一块积木。
cnn最为适用的场景是图像分类和场景识别。
在另一个世界，曾经在标准图像标注集image上，取得过举世瞩目的成就。
一般的全连接神经网络，是把输入数据看做一维的数组。
处理图形、图像时，一行、一行地读取像素点，然后拼接成一串数据。
这样一来，就忽略了行与行之间的二维关系。
而cnn则是通过“卷积核”对图片进行滤波，从而提取图片的特征。
所谓卷积核，就是一个n行n列的数字矩阵。
卷积的过程，其实就是一个压缩图片的过程。
而“卷积核”的本质，就是一个二维的滤波器。
这样的做法，很好地保留了邻近像素之间的关联情况，所以在大型图像处理方面，往往会有非常出色的表现。
和其他神经网络相比，cnn需要的参数比较少，使用起来更加迅速、有效。
cnn在训练时，采用的是和bp网络相似的“反向传播”技巧。
一个经典的cnn网络，通常包括输入层、卷积层、池化层、全连接层、输出层或者径向基层。
其中涉及到一些概念，比如“池化”、“局部感受野”、“共享权值”……
江寒原本对这些东西，只有个大概的了解，理解得并不算特别透彻。
这样一来，在研究cnn的时候，很多东西都要现场推导。
因此这篇论文是他写得最费劲的一篇，足足花了一个多星期，才打通了全部障碍，形成了初步的腹稿。
传统的图像处理算法，一般都要进行预处理，比如fcn，如果不对图像进行压缩，那么计算量将会非常巨大，甚至根本无法实施。
但对于cnn来说，预处理并不是必要的，很多时候，甚至可以直接用原始图像，作为输入数据。
所以，cnn的实用价值也是非常显着的。
江寒所知道的，就有手写识别、语音识别、物体检测、人脸识别等许多应用方向。78中文更新最快 电脑端:
“当年”震惊世界的围棋ai程序，阿法狗，其核心中也包含了卷积网络cnn。
可以说，有了卷积神经网络，计算机视觉这个领域，才迎来了革命性的进步……
江寒花了好几天时间，终于将这篇论文写了出来。
反复校对，感觉没什么问题之后，就投给了一区期刊rnationalconferenceonmachinelearning。
这时，距离新年只剩下三天。
就在这样的忙碌中，时间走到了2012年最后一天。
日晚上。
江寒临睡前，忽然发现信息栏里跳出了一行红字提示。
学术点已偿清，系统ui重启中……
重启成功……
震惊商城重新激活，虚拟空间已开放……
界面重组中……重组成功
江寒打开系统ui面板。
学术点：1，24。
可用的学术点终于不再是个负数了。
江寒欣喜不已。
然而，就在这时……
警告：宿主剩余寿命已不足十年！
注意：这不是显示bug，这不是bug，这不是！