2018 BeijingGDG 一日游

探讨Android JetPack框架的优势,Kotlin作为未来Android开发主流语言的原因,以及如何通过阅读Android系统源码深化技术理解。同时,介绍了性能优化组件、音视频技术在短视频项目中的应用及深度学习的现状。

Android

JetPack

官方框架,稳定,持续更新。

https://github.com/googlesamples/android-sunflower

https://developer.android.com/jetpack/

结论:应用开发,寻找替代框架的选择。

Kotlin

1、趋势明朗,Google 官网经过几年沉淀,Google 内部大规模使用。官方盖章。

2、比Java好用,而且开元代码很多都是用Kotlin来编写的。

结论:Kotlin 成为 Android 以后发展绕不开的技术。

技术优势细节:

Sequence 高效

协程,一部成“同步”:eg,2 个接口异步回调都完成时执行

简洁支持多个库

kotlion 空安全 
图片框架mcimage
兼容 第三方库

Android系统源码

查看 --> 记录博客 or 笔记 --> UML 类图 --> 形成知识体系

1、有目的阅读:日常工作中遇到、学习计划中。

2、在线阅读源码: http://androidxref.com/

下载地址:https://pan.baidu.com/s/1ngsZs

3、阅读工具推荐:Source Insight

如何阅读系统源码其他博客推荐:

罗升阳、邓凡平、Gityan、刘望舒

4、UML 类图推荐:

工具:https://www.processon.com/

时序图:Visio2013、Visio2016

 

聚美优品 待开源 性能优化组件

简单介绍:

悬浮窗、动态实时显示:activity 全类名,当前 application 网络流量、当前内存使用量、cpu。

可展示并修改全部的 sharedpreferences 

等等,是调试、测试利器。

特点:快捷 直观、

原理:参考 Android profile 插件 和其他 shell 命令。

对于线上版本的环境:可以设置密码 来触发此功能。

细节举例:获取 CPU 使用情况静态

top -n 1
top -n -d 1不延迟(有些手机需要同步获取)

 

音视频技术在短视频项目中的应用

直播、倒播、特效、倍速

粒子系统 核心OpenGL
肢体识别 尬舞机

视频、多媒体这块没有研究,上图了:

核心拿到原数据 对原数据进行加工

 

 

 

人对声音比图像更敏感
人对声音比对图像更敏感

 

方案:以音频为主,原因:人类对音频敏感

 

TenosrFlow

现在深度学习状况,神经网络的发展历程与原理

人工智能的边界。

参考图灵机,给出的机器极限。

未来发发展与大规模发展应用趋势,在互联网行业中或者社会经济中的地位。

那些可以落地,那些还没有成熟未来可能会落地,哪些是人工智能边界外的东西。

神经网络,个人总结:

把机器像小孩子一样训练,让他学会某些技能,而不需要人力具体的建模。当然是在科学支持的界限内。

六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
求解大规模带延迟随机平均场博弈中参数无关CSME的解法器研究(Matlab代码实现)内容概要:本文围绕“求解大规模带延迟随机平均场博弈中参数无关CSME的解法器研究”展开,重点介绍了一种基于Matlab代码实现的数值求解方法,旨在有效处理带有时间延迟的随机平均场博弈问题中的参数无关CSME(Consistent Mean Field Equilibrium)求解挑战。文中详细阐述了解法器的设计思路、算法实现流程及其在复杂系统建模中的应用,强调通过数值仿真验证方法的有效性和鲁棒性。此外,文档还列举了多个相关科研方向与Matlab仿真实现案例,涵盖电力系统、路径规划、信号处理、机器学习等多个领域,展示了该解法器在跨学科研究中的潜在价值。; 适合人群:具备一定数学建模与Matlab编程基础,从事控制理论、博弈论、电力系统优化或相关领域研究的研究生、博士生及科研人员。; 使用场景及目标:①研究大规模随机系统中均衡解的数值求解方法;②开发适用于延迟动态系统的平均场博弈模型;③借助Matlab平台实现复杂优化算法的仿真与验证;④拓展博弈论方法在能源、交通、通信等领域的实际应用。; 阅读建议:建议读者结合文中提供的Matlab代码实例,深入理解算法实现细节,并参考所列相关研究方向进行扩展实验。同时,可利用附带的网盘资源获取完整代码与数据,便于复现实验结果,进一步开展创新性研究。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值