机器学习的知识产权保护(1)--保护的难题
企业想保护的是什么
机器学习, 尤其是现今流行的深度学习, 主要是深度神经网络, 其中包含两个部分: 网络结构, 比如用了几个隐含层, 每个隐含层的神经元数量各自是多少, 激活函数用的是ReLU还是tanh还是其他, 卷积层是怎样的, 有没有层间直接的连接等等. 网络参数, 每个神经元都只是做$Z=W A +B $, A是上一层传来的值, 独立参与计算的就是W和B.
关于VR与近视(投资人的预防接种)
估计最近又要开始炒VR和近视了，需要尽快给各位投资人预防接种一下：
首先近视产生和进展的原理目前研究还没有足够清楚。
目前有实验证据的，“！延缓近视进展！”的方法只有足量的户外活动、角膜塑形镜和低浓度阿托品。注意只是控制进展，没有哪个敢说“治疗”近视。成年以后做手术可以治疗近视。
空气炮空调
空气炮是一种常见的玩具, 利用空气脉冲释放出一个空气涡旋(air vortex), 这种air vortex可以在长距离内保持形状, 其内部的空气很少与外界空气交换, 而且投递的精度很高. 当air vortex遇到阻挡或者与另一个air vortex相撞时, vortex的结构破坏, 里面的空气释放出来.
于是可以用来将热空气或冷空气以特定形式进行长距离、高空间精度的投递。除了用作空调, 也可以用来投递气味, 还可以用来投递干净的空气.
优点是只需要对少量的空气进行加工就可以满足个人的要求. 不需要过滤整个屋子的PM2.5, 只需要过滤用户吸入的那一部分就可以了.
缺点是噪音, 我估计是因为噪音的问题导致这个技术一直没有出现在市场上.
这个发明, 想的时间晚了, 已经有很多相似的现有技术在先. 所以没有卖掉.
发明回收站开张
我是职业发明家, 从事发明的生产. 总会有一些卖不掉的发明, 有些是过于超前, 有些是不合时宜. . . . . .
有些是已经有人发明过了, 最后这类当然是最多的, 毕竟要和全世界几十亿人竞争, 谁知道是不是会有哪个以色列人偷偷地申请了一个发明放着.
接下来, 我会选择一些确定不能卖掉的发明展示. 如果是没有新颖性的, 我也尽量给出现有技术的文献.
启发与验证
大胆假设, 小心求证. 说的是启发系统和验证系统. 启发系统获得可能解, 验证系统去测试所有可能解中哪些是正确的.
快速绘制操作示意图
先展示几张效果图：
-
需要的的APP 在iOS上
-
adobe draw
- adobe capture
在android上
- adobe draw
- adobe gather
注意在android上，adobe draw和gather之间并没有非常好的衔接，还是需要同步到adobe的库中以后才能调用，而adobe服务器从国内访问的速度又很慢。
但，我有iPad，哪管android上的好用不好用。反正iPad上挺好用的。
1 拍照 对常见场景拍照，比如手持器械的照片，或者需要讲解的场景。
尽量在白色背景上照相，比如白色桌面或者是白纸上。
物体和手最好稍微离开桌面，以免留下明显的阴影。
2 在adobe draw中新建图画，在图层中添加image layer，导入刚刚拍摄的场景照片。
3 添加draw layer图层后，点击打开shape，然后点击“+”号，会自动切换至adobe capture。
在adobe capture中从camera roll中导入照片
4 调整滑动条，使采集的图像仅仅保留边缘的线条，
采集后清除多余的线条和杂点，
在preview中，smooth选项推荐处于OFF关闭状态
之后save & return to adobe draw（屏幕顶部橙色条）
5 在新建的draw layer图层中，小心地用双手指调整shape的大小和位置，直到与底部的照片相吻合，然后双击屏幕，shape印章盖下。
本层暂且称为浅色层
6 再次重复：
新建draw layer图层，
点击shape菜单，点击+，
在adobe capture中导入照片。
本次调整滑动条，向较深颜色方向移动，记录更多的细节。
然后capture
save & return
7 在adobe draw中新建的draw layer图层，
调整好shape的位置后，双击屏幕，shape印章盖下
本层暂且称为深色层
8 新建draw layer图层，
用笔按照照片的提示描绘缺少边缘的细节，比如剪子尖端。不需要非常精细地描绘，
用笔填充无用的空洞
9 在深色图层中
用橡皮擦擦去多余的点、连成片的黑色区域，并适当使用笔补充边缘线条。
完成后，将照片层隐藏，底色层隐藏，然后导出为图片，存入camera roll。
10 新建draw layer图层，隐藏其余所有图层，
点击shape菜单中的“+”号，进入adobe capture，导入刚刚存入camera roll的线条图。
稍微清理后，在preview中注意将smooth的开关打开至ON，
完成后save & return to adobe draw
11 隐藏其他所有的图层，
调整shape至合适的大小，双击屏幕，shape印章盖下。
此图层为完成版，如果发现仍有细节需要修改，可以再次重复前面的步骤7-10
完成后，可以导出图像至camera roll，供后续使用。
在写书或者做讲课课件时，可以用本方法制作很多操作示意图。我不确定手术过程中的照片是否容易用类似方法绘制，最差也可以用照片垫底，在上面有笔勾勒一些关键线条，总是比自己完全重绘要简单很多。
对于已经制作好的图片，也可以再利用简单的图像编辑，甚至PPT，就可以更换器械，比如笔可以换成15度刀、月形刀、phaco手柄、chopper钩之类。上面做的拿剪子的动作，也很容易换成各种手术钳。
对于眼科的常用手术器械，我之前已经做过了。眼科大夫自用可以从下面链接下载：
https://github.com/goldengrape/phacoTools/raw/master/phaco%20tools.pptx
眼科公司商业使用请联系我。当然也欢迎各公司把自己的产品做成容易在PPT里编辑粘贴的图片，供医生写书和讲课使用。
机器学习的战略(6)--end to end
端到端学习 end-to-end Learning
这个也是吓人. 读书人, 相煎何太急.
end-to-end的一端是原始数据, 另一端是想要的结果. 比如也许从一张眼底照片+FFA直接给出眼底激光应该打哪里, 或者说中文直接给出翻译好的英文字幕. 从一端到另一端中间本来是有很多研究过程在里面的,
机器学习的战略(5)--迁移学习
迁移学习
好激动, 这是整个机器学习里面最激动人心最吸引人的部分了. 知道了迁移学习这事情以后, 我才比较理解为什么整个课程一直没有进入各种fancy的CNN, RNN之类的神经网络结构, 而仅仅就是把层次多一点的神经网络称为深度神经网络.
机器学习的战略(4)--面对分布不同
这一部分我在做练习题的时候老是错, 我都不是很确定自己理解明白了. 有必要的话最好还是回到课程原始视频中听老师亲自讲.
机器学习的战略(3)--误差分析
我觉得这一部分是导师指导/监督学生实验时应该出手的部分.
误差分析
这是个手工分析操作技巧了. 老师在课程中不断强调不要看不起手工分析, 一是人类看图识别的效率很高, 看上100张图很快就搞定了, 二是在分析过程中还有助于产生直观的印象, 再次利用人类强大的识别能力来解决问题.