w****a
发帖数: 186 | 1 Yes, it is one of the simple blurring technique, called box filters. It is
simpler and faster than the Gaussian blur and other blurring technique. |
|
p***l
发帖数: 586 | 2 uniform on the sphere can be generated by normaling gaussian
so
x = randn(2,1) (inverse cdf * rand(2,1))
then x/\|x\| will do |
|
s*********n
发帖数: 191 | 3 发个新面经，供各位大神参考，攒人品。顺便吐槽一下自己的悲惨遭遇。
投的位置是general software engineer new grad.
第一轮45分钟电面的期间正好赶上本地挂了场雷暴，可能有信号塔受影响了，期间几天
手机信号时断时续。面试官是个老印，自称打了1个电话没我没接。我解释我这里没收
到。然后HR又打了个来，说老印跟他说我不接电话。然后赶紧开始面。老印口音很重，
加上语音断断续续，很难听懂说什么。第一句话就是“Can I assume you are a
machine learning expert?”因为自己仅仅是个硕士，是有一点相关的灌水paper，所
以估计老印是要阴人，害怕老印下套，解释了下自己只是个new grad master，不是什
么expert.老印还是不依不饶，丢来一个matrix，让求协方差矩阵。这道题就是理论题
，让我算，不是coding题。大致解释下计算流程。
可能信号太差他也听不清楚我说什么。于是他改为问求multi-dimensional gaussian的
参数，然后我解释先求u，再去运算∑，期间和老印基本互相说什么都不知道，只能在... 阅读全帖 |
|
s*********n
发帖数: 191 | 4 奥，information theory不熟....囧....哈哈
不过高斯在ML里面还算是个知识点吧，可能不是那么重点，pr里面强调更多一些。
PRML里面前面有gaussian mixture model的章节，还是需要掌握的,比如density计算。
pattern classification这本书里面倒是更加重视一点了。
但平时也是直接调matlab函数算的，突然面试过程中要手算，还是蛮突兀的....没想到
面试官出这个怪招.... |
|
s******s
发帖数: 63 | 5 刚刚跟yelp hr面完
除了之前的题库里的题还出现了一些我之前没看到的题
基本都比较简单 但还是上来分享一下
1. what is cron?
2. how to find the number of uniq lines in a file?
3. Give a distribution that is not Gaussian.
4. How to find all the instances of a function in a file system?
5. What is n-gram? |
|
f*********2
发帖数: 48 | 6 Deep learning 是皇帝的新装。
与ANN有关的好的工作是 Neal 的 Bayesian NN 和 MacKay 等人的 Gaussian process。
不过，高维小样本，对什么方法都是个 坎儿。
另外，SVM离了核方法也不是那么牛叉。
严重同意楼主的观点，工业界更看中简单有效的方法，学术界的一些装逼理论一到实践
里就歇菜了。 |
|
a***y
发帖数: 852 | 7 顶这个，学术圈的state-of-the-art research和工业界的de-facto还是不一样的
但是目的本身也一样，学术界本质目的还是求新知。work的好的但是已经被充分理解的
，或者heuristic没有太大通用意义的发不出来也是正常
classification算法方面我觉得random forest, deep learning, boosting相关的都比
SVM更实用。SVM主要是背后的learning theory牛逼，算法本身已经有点过时了，因为
复杂度高并且本质上是shallow learning，而且不容易fine tune，但是理论不会过时
，因为理论就算暂时解释不了实践，也还是可以持续发展的。
clustering目前无解，因为问题本身定义是模糊的，对任意数据最多能够假设一个
gaussian mixture，也就是用k-means。很多文章也在质疑这个是science 还是 art。
但是可以期待一个好算法帮助选择k-means里面的k，同时又像kmeans本身一样高效。
Bayesian topic modeling可以做这个但感觉没有太大前途。未来... 阅读全帖 |
|
f*********2
发帖数: 48 | 8 Deep learning 是皇帝的新装。
与ANN有关的好的工作是 Neal 的 Bayesian NN 和 MacKay 等人的 Gaussian process。
不过，高维小样本，对什么方法都是个 坎儿。
另外，SVM离了核方法也不是那么牛叉。
严重同意楼主的观点，工业界更看中简单有效的方法，学术界的一些装逼理论一到实践
里就歇菜了。 |
|
a***y
发帖数: 852 | 9 顶这个，学术圈的state-of-the-art research和工业界的de-facto还是不一样的
但是目的本身也一样，学术界本质目的还是求新知。work的好的但是已经被充分理解的
，或者heuristic没有太大通用意义的发不出来也是正常
classification算法方面我觉得random forest, deep learning, boosting相关的都比
SVM更实用。SVM主要是背后的learning theory牛逼，算法本身已经有点过时了，因为
复杂度高并且本质上是shallow learning，而且不容易fine tune，但是理论不会过时
，因为理论就算暂时解释不了实践，也还是可以持续发展的。
clustering目前无解，因为问题本身定义是模糊的，对任意数据最多能够假设一个
gaussian mixture，也就是用k-means。很多文章也在质疑这个是science 还是 art。
但是可以期待一个好算法帮助选择k-means里面的k，同时又像kmeans本身一样高效。
Bayesian topic modeling可以做这个但感觉没有太大前途。未来... 阅读全帖 |
|
I*****D
发帖数: 133 | 10 phone interview，这大概是我面过的最奇葩的面试了，
问的是
Q. 你懂哪些data structure?
A. 愣了一下:tree, graph, map, ..
然后被打断 good good 问下一个
Q. 你懂哪些distribution?
A. Gaussian, Uniform, ...
然后good 继续下一个问题
Q. 你懂哪些算法
A. BFS, DFS,etc.
Q. 你懂哪些图算法
A. Dijkstra, Bellman-ford
Q. Tree有哪些
A. Binary Tree, Binary Search Tree, Black-Red, etc.
Q. 你对ML有什么了解
A. Regression, Classification, SVM,
。。。
等等都是非常概念性的问题，并不深究里边的东西，点到即止，没有一道程序题，感觉
只要拿着算
法书的目录照念就可以了
然后收到拒信 |
|
z**********r
发帖数: 86 | 11 以下是面经：
电面一：主要是research相关的东西，比如简历上的东西。由于面试官的背景是kalman
filter的，所以问了不少这个问题。另外问了一个Bayesian rule，Gaussian
distribution，sampling method，compressive sensing，bag of words, ransac:
A有两个孩子，问都是男孩的概率，另外如果已知一个是男孩，问另外一个也是男孩的
概率；
如果x是高斯分布，然后问y=2x的分布和y=x^2的分布；
假定有一个data stream，如何uniform sample k个sample；
eigenvalue在corner detection的用处；
little/big endian
电面二：主要是research的问题，比如compressive sensing的各种solver，bagging/
boosting，corner detector，how to detect periodic pattern, convex
optimization, lagrange multiplier
onsi... 阅读全帖 |
|
b********y
发帖数: 559 | 12 感觉反了吧？我倒是觉得generative model学习过程会更慢，因为你需要 X的
distribution，这个是很难learn出来的。需要data sample足够多，而且过程复杂，比
如HMM，Gaussian mixture model 都比较复杂，但是naive bayes是个特例，因为有
independent 的假设。
第二个问题我面试完也想到了 :P，比如text mining的时候classify text的时候words
independency就可以忽略不计。
他们主要是做NLP的，所以问的问题都往那里靠。
logistic
naive |
|
e***i
发帖数: 231 | 13 1. Outsource to India
2. Random sample, free trials, feedback loop
3. Gaussian function, median at 3 stars. |
|
w*******e
发帖数: 83 | 14 Approximately Gaussian distribution, find the value at 0. |
|
d*****n
发帖数: 39 | 15 题目感觉不难，但是突然被问到，结果从variance和covariance上绕了半天也没搞好，
感觉面试官对最后的答案也不满意。
题目： Drawing a pair of (x, y) from a joint Gaussian distribution with 0
covariance. Knowing the standard deviations of x and y and knowing z = x + y
, what is your best guess for x?
求牛人给个解释 |
|
g*****l
发帖数: 424 | 16 【 以下文字转载自 DataSciences 讨论区 】
发信人: greatel (灵致), 信区: DataSciences
标 题: 数据科学之江湖兵器谱
发信站: BBS 未名空间站 (Sun Oct 9 16:57:10 2016, 美东)
【注】原发于微信公众号：data_wisdom
数据江湖，风起云涌。各路英豪，群雄逐鹿。
这是一个数据科学最好的时代，也是数据江湖最乱的时代。
那么在这么一个特殊的江湖里面浪，有什么兵器是值得我们去关注的呢？这篇文章列举
了一些常用方法（刀剑），并不涵盖工具与平台。就先让我们一起去看看这个排名不分
先后左右的兵器谱。
数据科学家Vincent Granville博士发表博文列举了数据科学家常用的45种技术。这是
个很适合初学者去逐个了解的列表。当然，这并不代表数据科学（统计学）的全部。虽
然他并没有提出自己的详细总结，但是有志于学习数据科学的同学不妨初步有个印象，
有不太熟悉的topic可以进一步去了解一下。另外我在后面也补充了我认为也值得学习
的领域，很多人都会在日常的数据实践中用到。多学有益于身心健康。
首先需要说明的是，这些技术... 阅读全帖 |
|
l***h
发帖数: 3 | 17 聚贤猎头公司受多家全球知名锂电企业的委托，面向全球大量招聘研发人才，如有意者
请与我们联系。
公司提供有竞争力的薪酬，具体可根据个人经验及职位而定。
应聘成功的博士落户享受RMB26万元安家补助。
工作地点：广东、福建、北京、江苏、深圳、天津。
联 系 人：Tom.Huang
联系电话: +86-769-2318 3317、8805 1299
手 机: +86-137 1302 8786
E - Mail: h****[email protected]
MSN : h****[email protected] QQ:185191527
专业及工作方向如下：
1、锂电材料（正负极）研发的技术人才，锂电设计方面人才；
2、电动汽车电池的技术人才 （EV）；
3、电动工具电池的技术人才（POWER TOOLS)；
4、太阳能、风能发电并入电网的柔性输电管理人才；
5、机械设计方面人才，非标自动化设计人才。
6、新能源行业相关的研发博士等。
工作方向：正极材料开发
专业：无机非金属、无机化学、固体物理
知识：晶体学、固体化学或固体物理、无机化学、物理化学，结构分析
相关课题研究："掌握干法、湿法材料合成的... 阅读全帖 |
|
z*****t
发帖数: 1356 | 18 聚贤猎头公司受国内多家大型锂电企业委托，寻访以下职位，工作地点分布：广东、福
建、北京、天津、江苏等地，
如有兴趣或有朋友介绍请与我联系（请转发给您相关的朋友），谢谢！
公司提供有竞争力的薪酬及完善的福利，具体根据岗位及工作经验而定。可解决落户、
子女教育等问题。
研发经理/总监
岗位要求：
1、本科（含）以上学历；化学、材料、机械、电子等理工科背景；英语四级以上。
2、五年以上知名企业或者新能源行业工作经验。
3、身体建康，责任心强，有很好的团队精神和沟通协调能力。
岗位职责：
1、负责新材料的认证与开发；
2、负责新产品的开发和认证；
3、负责电池型号的开发与设计；
4、负责电化学平台的研究，包括正极、负极、隔膜、电解液等；
5、负责电池体系设计，工艺优化和性能测试；
6、负责管理研发团队和研发项目。
项目经理/总监
工作职责：
1、主要负责海外客户的沟通协调，能够充分理解客户的要求，利用自己的专业背景转
换为实际的产品；
2、对外具备在客户端推介产品的能力，对内能够协调各个部门，保证产品项目的顺利
推进
3、能适应高强度的工作及加班需求
任职要求：
1、硕士以上学历（博士优先）
... 阅读全帖 |
|
z**l
发帖数: 113 | 19 https://dow.taleo.net/careersection/10060/jobdetail.ftl
首先声明，我不是计算化学那个组的，但是如果有背景符合我可以帮你们递简历。另外
有什么情况要问我可以尽量回答。
Computational Chemist- Discovery Chemistry R&D-1303723
Description
Dow AgroSciences, based in Indianapolis, Indiana, USA, develops leading-edge
crop protection and plant biotechnology solutions to meet the challenges of
the growing world. Dow AgroSciences is a wholly owned subsidiary of The Dow
Chemical Company and had annual global sales of $6.4 billion in 2012.
The Discovery Chemistry... 阅读全帖 |
|
k*******2
发帖数: 132 | 20 Mortgage rate trend is hard to predict. Normal distribution (Gaussian, bell
shape) model does not fit well.
If anyone has capability to predict pretty well in most cases in the long
run, he/she should not waster time on this board any more, instead help
manage huge foreign reserve of People's Bank of China (中国人民银行), or any
investment/hedge firm of wall street. |
|
F***Q
发帖数: 6599 | 21
app
97% and 95% differ quite a bit in a Gaussian distribution |
|
b***n
发帖数: 13455 | 22 送交者: 元江 于 March 04, 2004 19:51:45:
回答: 感谢指导,赫赫 由 pighead 于 March 04, 2004 19:42:18:
转一篇看看,分析的还是有些道理的
南大发表8篇sci文章的朱涵是怎么欺骗公众的
送交者: wps20082 2004年3月04日15:43:42 于 [教育与学术]http://www.bbsland.com
看了你的文章，除了最初的几篇phy rev 之外，其余的大多是中文期刊，而且从题目来看
，slowing down of the Gaussian spin system on diamond-type hierarchical 似是第
一篇rev文
章的翻版，发表中文文章是相对容易的，既然已经有了 phy rev这种顶级文章，以后应当
畅通无阻。
从你的洋洋洒洒的简历来看，你在大二时候就发表了在phy rev 上的第一篇文章，虽然你
强调了很多想法都是父亲指导的，可是你仍然是一个天才，几天前还在背诵高等数学的积
分表，在“
研究”之前，你父亲刚刚讲了相变的基本概念，刚刚看过了三篇综述文章，就可以做Isin
g模型 |
|
m********t
发帖数: 13072 | 23 最近几天发现在音乐上，和你有过不止一次的共鸣，我都深切感受到了。。。欣喜ing
乃至于都记住你这个ID了， 另一个锯掉好几所大藤的爸爸的ID，我总记不住，叫什么
myc1234， 反正是四个字母， 没辙了， 大脑已经自动Gaussian Blur了 |
|
x***1
发帖数: 999 | 24 很厉害。
Gaussian Blur,干啥用到这个啦。
ing |
|
t******l
发帖数: 10908 | 25 刚才 Erwin Schrodinger 同志来电报说，你们做看到的 coherent speaking 其实
是个 illusion，其背后真实的故事是：a "minimum uncertainty" Gaussian
wavepacket 这硬币的另一面就是 a maximal kind of coherence，所以你们就看
到了 a classical kind of behavior（俗称：三好学生，classy）。。。但这
a maximal kind of coherence 这枚硬币的还有一面（高维空间硬币多几个面也
不是啥事儿），可能就是揭示 metal objects 已经 quantum collapse 了，所以
“mental 想象力” 这种需要 metal objects 之间发生 quantum entanglement
的玩意儿。。。等俺先解一个相关的 Schrodinger simultaneous equation
鸡兔同笼方程组，然后再看结果。。。 |
|
c**s
发帖数: 732 | 26 【 以下文字转载自 Chemistry 讨论区 】
发信人: cpls (慎思), 信区: Chemistry
标 题: Postdoc/RA positions on computational materials/theoretical chemistry
发信站: BBS 未名空间站 (Thu Jul 19 19:55:38 2012, 美东)
Postdoc/RA positions on computational materials/theoretical chemistry
Two postdoctoral positions are available in the lab of Dr. Guohua Tao at
Peking University, Shenzhen Graduate School to conduct outstanding research
on the molecular structure and dynamics of materials systems. A perspective
candidate should have a str... 阅读全帖 |
|
a*****e
发帖数: 1717 | 27 I don't think it's useful,
we can easily define entropy (based on intraday data, say 1min bar)
the return supposed to be Gaussian(actually, far from it for intraday).
S = sigma_i_{1,n} = -pi*log_2 pi
suppose we define buckets for different returns, pi is the probability
of each return range.
more random, less informative |
|
u********e
发帖数: 4950 | 28 ☆─────────────────────────────────────☆
bobcat2010 (bobcat2010) 于 (Tue Jul 12 10:27:18 2011, 美东) 提到:
熵增加是宇宙中的一个普遍原理，很多人觉得很玄。下面的表格可看成熵增加原理在股
市中的
见证。表格中的数据是我用信息论的方法得到的，恕我不能披露所用模型的构造。
Entropy
S&P500 SIRI
1/2/98 97.54 95.44
1/7/99 97.85 96.49
1/2/01 98.37 97.65
1/2/08 98.87 98.43
1/4/10 99.04 98.29
1/7/11 99.12 98.42
表格中包含了S&P500 与 SIRI 在不同日期的熵值。最大值规整为100。
定性地说，熵值越高，TA的效果越差，熵值若真达到100，所有TA方法都将失效。
SIRI的熵值显然低于指数的熵值。而在我的套利交易中SIRI算是盈利较多的。一般来说
个股的熵值低于股指的熵值，这是做个股的优势。SIRI的熵值曾一度下降，... 阅读全帖 |
|
S*********g
发帖数: 24893 | 29 Pengcheng Bao, Graduate Student
Pengcheng is a second year graduate student. He obtained his B.S. in physics
from Nankai Univeristy in China.
Project: Development of methodology for realistic modeling of heterogeneous
catalytic interfaces.
Tel: 310-206-3215
Email: [email protected]
/* */
PENGCHENG BAO
Education
and Awards
2009 –
NANKAI UNIVERSITY TIANJIN, CHINA
Bachelor of Science in Physics (Condensed Matter Physics), June 2013.
Academic Record:
2009-2010: Overall: 93.40 Ranking 1/141 Maj... 阅读全帖 |
|
i****x
发帖数: 17565 | 30 文章还可以，但作者明显不很懂摄影。苹果这个虚拟的模糊根本无法取代高端单反。为
什么？因为高端单反的模糊其实叫bokeh，效果不是一片模糊而是每个点变成一个清晰
形状的圆形。相比下绝大多数虚拟模糊包括苹果都用的是gaussian blur。下图一看就
清楚。bokeh有一种很漂亮的梦幻效果，blur没法比。 |
|
i****x
发帖数: 17565 | 31 对的 高斯模糊就是对一个高斯核函数做卷积。bokeh可以把高斯核换成均匀圆分布核函
数，但计算量就大太多了。维基：
Bokeh can be simulated by convolving the image with a kernel that
corresponds to the image of an out-of-focus point source taken with a real
camera. Unlike conventional convolution, this convolution has a kernel that
depends on the distance of each image point and – at least in principle –
has to include image points that are occluded by objects in the foreground.[
20] Also, bokeh is not just any blur. To a first approximation, defocus bl... 阅读全帖 |
|
t******e
发帖数: 673 | 32 The index price does not follow a mean reverting Ornstein-Uhlenbeck process.
Contrary to Naive experience.
SPX, NDX are not stationary, nor Markovian.
However the index log return are approximately stationary and Gaussian.
If we assume the index log return follows Ornstein-Uhlenbeck process. The
return will catch up to historical means and likely overshoot.
Given the low return 2014-2016, 2000-2016. This is a volatility breakout and
we must catch the train. |
|
f******h
发帖数: 609 | 33 I love Gaussian...
Thanks a lot for the effort. |
|
p*****u
发帖数: 188 | 34 paper 1: one international journal. Not a top one.
keywords: Optical add drop multiplexers, Advanced
optical communication networks, Ultra-wide wavelength
division multiplexing (UW-WDM), Ultra-wide space
division multiplexing (UW-SDM).
paper 2: one IEEE sponsored international journal. Good journal.
keywords: gaussian orthogonal multi-access relay channel (OMARC)
For paper 2, I will recommend you to the editor, then it's up to the editor
whether he wants to invite you.
Please send mail to me and |
|
q******2
发帖数: 1368 | 35 紧张度的分布可能是Gaussian distribution 吧， 呵呵 |
|
h**********l
发帖数: 6342 | 36 请发给我姓名，单位，联系方式喝简要研究方向给我
1月10号以前
keywords：Gender identification.
MFCC.
Gaussian mixture model (GMM).
Multilayer Perceptrons (MLP)
谢谢
review通过电子邮件附件的form |
|
t******w
发帖数: 225 | 37 今天下午4点半之前有效
RSC Advances
关键词：Double Gaussian model, Non-symmetric potential barriers, Contacts
for organic diodes, Density of trapped carriers, Organic diodes
需要者发背景(Title,专业，学校，审稿经历，email)，站内联系。谢谢！ |
|
发帖数: 1 | 38 最近投稿到行业领域顶级的期刊，2个审稿人评价都很好，编辑最终给的意见是直接录
用。想问下编辑发给我的论文录用邮件中的审稿人积极评价内容是否可以作为亮点写进
petition letter。具体审稿意见如下：
Reviewer 1:
The authors of this paper are well-known scientists in coherence optics. In
this paper, they introduced a Schell-type stationary medium with its degree
of potential’s correlation satisfies the Fractional Multi-Gaussian
function. Their results show that the new proposed stationary medium will
give rise to a sharp concave intensity apex in the scattered field and they
gave some poten... 阅读全帖 |
|
f**********t
发帖数: 1001 | 39 噢，是stats。全是by research。
btw，我是在其他专业，用统计的方法做，这样行不行？大概加起来3年经验。用一些
Statistical Machine Learning, Gaussian Process
Classification, Bayesian Inference之类的。
可能没做过modelling，之前做的基本都比较像machine learning。
modelling能不能现在开始学。。。
coursework， |
|
M*****t
发帖数: 26706 | 40 【 以下文字转载自 NBA 讨论区 】
发信人: lillblues (★ 专业提供照片后期处理服务), 信区: NBA
标 题: 三国人名最新英译 (转载)
发信站: BBS 未名空间站 (Fri Feb 24 14:08:45 2012, 美东)
发信人: No9 (九饼), 信区: NewJersey
标 题: 三国人名最新英译 (转载)
发信站: BBS 未名空间站 (Fri Feb 24 13:32:46 2012, 美东)
发信人: JasonTsai (Jason), 信区: Joke
标 题: 三国人名最新英译
发信站: BBS 未名空间站 (Fri Feb 24 00:16:12 2012, 美东)
Sheldon：夏侯惇
Wayne：魏延
John：张颌
Susan：孙尚香
Marshall：马超
David：典韦
Pond：庞德
Josh：贾诩
Russell：鲁肃
Charlie：张辽
Cunning：甘宁
Pavon：潘风
Raymond：吕蒙
Rachel：文丑
Jeff：张飞
Chocolate：诸葛亮
Summary：司马懿
Water：华佗
Ma... 阅读全帖 |
|
H*********n
发帖数: 1397 | 41 【 以下文字转载自 Joke 讨论区 】
发信人: cxw360 (cxw360), 信区: Joke
标 题: 当sheldon被翻译成夏侯惇后（Zz）
关键字: dhnr
发信站: BBS 未名空间站 (Sat Feb 25 12:03:09 2012, 美东)
Sheldon：夏侯惇
Wayne：魏延
John：张颌
Susan：孙尚香
Marshall：马超
David：典韦
Pond：庞德
Josh：贾诩
Russell：鲁肃
Charlie：张辽
Cunning：甘宁
Pavon：潘风
Raymond：吕蒙
Rachel：文丑
Jeff：张飞
Chocolate：诸葛亮
Summary：司马懿
Water：华佗
Major:马忠
Joey:周瑜
Rambo：吕布
Marcel：马谡
Dunn：邓艾
Yahoo!：羊祜
Chauncey：陈式
Ganso：关索（凑合用下桑托斯队的Paulo Henrique Ganso）
Faye：费祎
Hansen：华雄
Luke：陆抗
... 阅读全帖 |
|
P****D
发帖数: 11146 | 42 以后推广给老外容易了，武将名有英文翻译了。
Sheldon：夏侯惇
Wayne：魏延
John：张颌
Susan：孙尚香
Marshall：马超
David：典韦
Pond：庞德
Josh：贾诩
Russell：鲁肃
Charlie：张辽
Cunning：甘宁
Pavon：潘风
Raymond：吕蒙
Rachel：文丑
Jeff：张飞
Chocolate：诸葛亮
Summary：司马懿
Howard：华佗
Major:马忠
Joey:周瑜
Rambo：吕布
Marcel：马谡
Dunn：邓艾
Yahoo：羊祜
Chauncey：陈式
Ganso：关索（凑合用下桑托斯队的Paulo Henrique Ganso）
Faye：费祎
Hansen：华雄
Luke：陆抗
Johnson：张勋
George 赵直
Jolin 朱灵
Matthew 马休
李典 Lydia
贾诩 Josh
胡车儿 Hooker
关心 Care
陈宫 Success
法正 Justice
马腾：Martin
高顺：Gaussian
马铁：Matthus
大乔：Joy
小乔：Joy.II
马良：Marion... 阅读全帖 |
|
S*********g
发帖数: 24893 | 43 【 以下文字转载自 Stock 讨论区 】
发信人: StephenKing (金博士), 信区: Stock
标 题: 向民族英雄包鹏程致敬！为民族英雄包鹏程欢呼！
发信站: BBS 未名空间站 (Wed Jun 3 20:54:21 2015, 美东)
Pengcheng Bao, Graduate Student
Pengcheng is a second year graduate student. He obtained his B.S. in physics
from Nankai Univeristy in China.
Project: Development of methodology for realistic modeling of heterogeneous
catalytic interfaces.
Tel: 310-206-3215
Email: [email protected]
/* */
PENGCHENG BAO
Education
and Awards
2009 –
NANKAI UNIVERSITY TIANJIN, CHINA... 阅读全帖 |
|
N*9
发帖数: 2829 | 44 【 以下文字转载自 Joke 讨论区 】
发信人: JasonTsai (Jason), 信区: Joke
标 题: 三国人名最新英译
发信站: BBS 未名空间站 (Fri Feb 24 00:16:12 2012, 美东)
Sheldon：夏侯惇
Wayne：魏延
John：张颌
Susan：孙尚香
Marshall：马超
David：典韦
Pond：庞德
Josh：贾诩
Russell：鲁肃
Charlie：张辽
Cunning：甘宁
Pavon：潘风
Raymond：吕蒙
Rachel：文丑
Jeff：张飞
Chocolate：诸葛亮
Summary：司马懿
Water：华佗
Major:马忠
Joey:周瑜
Rambo：吕布
Marcel：马谡
Dunn：邓艾
Yahoo!：羊祜
Chauncey：陈式
Ganso：关索(凑合用下桑托斯队的Paulo Henrique Ganso)
Faye：费祎
Hansen：华雄
Luke：陆抗
Johnson 张勋
George 赵直
Jolin 朱灵
Matthew 马休
李典 Lydia
贾诩 Josh
胡车儿 Hooker
关心... 阅读全帖 |
|
H**********y
发帖数: 7928 | 45 有才
【 以下文字转载自 Joke 讨论区 】
发信人: JasonTsai (Jason), 信区: Joke
标 题: 三国人名最新英译
发信站: BBS 未名空间站 (Fri Feb 24 00:16:12 2012, 美东)
Sheldon：夏侯惇
Wayne：魏延
John：张颌
Susan：孙尚香
Marshall：马超
David：典韦
Pond：庞德
Josh：贾诩
Russell：鲁肃
Charlie：张辽
Cunning：甘宁
Pavon：潘风
Raymond：吕蒙
Rachel：文丑
Jeff：张飞
Chocolate：诸葛亮
Summary：司马懿
Water：华佗
Major:马忠
Joey:周瑜
Rambo：吕布
Marcel：马谡
Dunn：邓艾
Yahoo!：羊祜
Chauncey：陈式
Ganso：关索(凑合用下桑托斯队的Paulo Henrique Ganso)
Faye：费祎
Hansen：华雄
Luke：陆抗
Johnson 张勋
George 赵直
Jolin 朱灵
Matthew 马休
李典 Lydia
贾诩 Josh
胡车儿 Hooke... 阅读全帖 |
|
x**y
发帖数: 10012 | 46 破产是因为gaussian coupla算错了。。。 |
|
d*j
发帖数: 13780 | 47 人家不用 gaussian
直接无关系的 uniform |
|
a****s
发帖数: 517 | 48
拉着美女到马路上弹跳，吃果果的BSO啊。。。。
强光＋全身，虚话背景好象不容易。用PS吧。一个gaussian filter，要多虚有多虚，
至少把头上的电杆搬走不用雇老墨。 |
|
w********a
发帖数: 2381 | 49 gaussian filter是ps里面的功能吗？
我是那个被弹跳的。。。 |
|
p*******o
发帖数: 6791 | 50
原来飞哥照完相之后，给照片加了Gaussian blur后才放上来的... |
|
