机器人大会攻略,lol梦魇锐雯哪个厉害值得20级以下的新手玩
作者:本站作者
本文目录一览
1,lol梦魇锐雯哪个厉害值得20级以下的新手玩
没有可比性,梦魇打野好,瑞雯上单好,当然打野也行。20级以下没符文就别打野了,效率底,就买瑞雯吧新手建议锐文!梦魇的操作难度相对于大一点!(其实两个角色我都没怎么玩!我是职业机器人客串猴子!主要是我一个很坑的朋友玩锐文比较好!)
2,爸爸活下去机器人大赛攻略
爸爸活下去机器人大赛攻略机器人大赛,左上角有开始时间和下届大赛开始的时间,以及你报名的公司(机器人只能代表一家公司,加的buff也就是这家公司)前三名有藏品也就是魅力奖励以及销售buff奖励,第三百分之十,第二百分之二十,第一百分之三十。机器人研究:每个等级的价格是同样的,花的时间不同,对于机器人的加分也不同。这里建议根据两届大赛中间的时间计算,完美安排时间,最大化的利用时间加强机器人
3,在近日召开的机器人大会上微软宣布了ROS for Windows的哪些改进
以下是转自南大周志华教授的博客上世界顶级人工智能会议总结IJCAI (1+)AI最好的综合性会议, 1969年开始, 每两年开一次, 奇数年开. 因为AI 实在太大, 所以虽然每届基本上能录100多篇(现在已经到200多篇了),但分到每个领域就没几篇了,像machine learning、computer vision这么大的领域每次大概也就10篇左右, 所以难度很大. 不过从录用率上来看倒不太低,基本上20%左右, 因为内行人都会掂掂分量, 没希望的就别浪费reviewer的时间了. 最近中国大陆投往国际会议的文章象潮水一样, 而且因为国内很少有能自己把关的研究组, 所以很多会议都在complain说中国的低质量文章严重妨碍了PC的工作效率. 在这种情况下, 估计这几年国际会议的录用率都会降下去. 另外, 以前的IJCAI是没有poster的, 03年开始, 为了减少被误杀的好人, 增加了2页纸的poster.值得一提的是, IJCAI是由貌似一个公司的”IJCAI Inc.”主办的(当然实际上并不是公司, 实际上是个基金会), 每次会议上要发几个奖, 其中最重要的两个是IJCAI Research Excellence Award和Computer & Thoughts Award, 前者是终身成就奖, 每次一个人, 基本上是AI的最高奖(有趣的是, 以AI为主业拿图灵奖的6位中, 有2位还没得到这个奖), 后者是奖给35岁以下的 =青年科学家, 每次一个人. 这两个奖的获奖演说是每次IJCAI的一个重头戏.另外, IJCAI 的PC member 相当于其他会议的area chair, 权力很大, 因为是由PC member去找 reviewer来审, 而不象一般会议的PC member其实就是 reviewer. 为了制约这种权力, IJCAI的审稿程序是每篇文章分配2位PC member, primary PC member去找3位reviewer, second PC member 找一位.AAAI (1)美国人工智能学会AAAI的年会. 是一个很好的会议, 但其档次不稳定, 可以给到1+, 也可以给到1-或者2+, 总的来说我给它”1″. 这是因为它的开法完全受 IJCAI制约: 每年开, 但如果这一年的 IJCAI在北美举行, 那么就停开. 所以, 偶数年里因为没有IJCAI, 它就是最好的AI综合性会议, 但因为号召力毕竟比IJCAI要小一些, 特别是欧洲人捧AAAI场的比IJCAI少得多(其实亚洲人也是), 所以比IJCAI还是要稍弱一点, 基本上在1和1+之间; 在奇数年, 如果IJCAI不在北美, AAAI自然就变成了比IJCAI低一级的会议(1-或2+), 例如2005年既有IJCAI又有AAAI, 两个会议就进行了协调, 使得IJCAI的录用通知时间比AAAI的deadline早那么几天, 这样IJCAI落选的文章可以投往AAAI.在审稿时IJCAI 的PC chair也在一直催, 说大家一定要快, 因为AAAI那边一直在担心IJCAI的录用通知出晚了AAAI就麻烦了.COLT (1)这是计算学习理论最好的会议, ACM主办, 每年举行. 计算学习理论基本上可以看成理论计算机科学和机器学习的交叉, 所以这个会被一些人看成是理论计算机科学的会而不是AI的会. 我一个朋友用一句话对它进行了精彩的刻画: “一小群数学家在开会”. 因为COLT的领域比较小, 所以每年会议基本上都是那些人. 这里顺便提一件有趣的事, 因为最近国内搞的会议太多太滥, 而且很多会议都是LNCS/LNAI出论文集, LNCS/LNAI基本上已经被搞臭了, 但很不幸的是, LNCS/LNAI中有一些很好的会议, 例如COLT.CVPR (1)计算机视觉和模式识别方面最好的会议之一, IEEE主办, 每年举行. 虽然题目上有计算机视觉, 但个人认为它的模式识别味道更重一些. 事实上它应该是模式识别最好的会议, 而在计算机视觉方面, 还有ICCV与之相当. IEEE一直有个倾向, 要把会办成”盛会”, 历史上已经有些会被它从quality很好的会办成”盛会”了. CVPR搞不好也要走这条路. 这几年录的文章已经不少了. 最近负责CVPR会议的TC的chair发信说, 对这个community来说, 让好人被误杀比被坏人漏网更糟糕, 所以我们是不是要减少好人被误杀的机会啊? 所以我估计明年或者后年的CVPR就要扩招了.ICCV (1)介绍CVPR的时候说过了, 计算机视觉方面最好的会之一. IEEE主办, 每年举行.(注:我查了下2011年之前是两年一次,之后是每年举行)ICML (1)机器学习方面最好的会议之一. 现在是IMLS主办, 每年举行. 参见关于NIPS的介绍.NIPS (1)神经计算方面最好的会议之一, NIPS主办, 每年举行. 值得注意的是, 这个会每年的举办地都是一样的, 以前是美国丹佛, 现在是加拿大温哥华; 而且它是年底开会, 会开完后第2年才出论文集, 也就是说, NIPS05的论文集是06年出. 会议的名字 “Advances in Neural Information Processing Systems”, 所以, 与ICML\ECML这样 的”标准的”机器学习会议不同, NIPS里有相当一部分神经科学的内容, 和机器学习有一定的距离. 但由于会议的主体内容是机器学习, 或者说与机器学习关系紧密, 所以 不少人把NIPS看成是机器学习方面最好的会议之一. 这个会议基本上控制在Michael Jordan的徒子徒孙手中, 所以对Jordan系的人来说, 发NIPS并不是难事, 一些未必很强的工作也能发上去, 但对这个圈子之外的人来说, 想发一篇实在很难, 因为留给”外人”的口子很小. 所以对Jordan系以外的人来说, 发NIPS的难度比ICML更大. 换句话说, ICML比较开放, 小圈子的影响不象NIPS那么大, 所以北美和欧洲人都认, 而NIPS则有些人(特别是一些欧洲人, 包括一些大家)坚决不投稿. 这对会议本身当然并不是好事, 但因为Jordan系很强大, 所以它似乎也不太care. 最近IMLS(国际机器学习学会)改选理事, 有资格提名的人包括近三年在ICML\ECML\COLT发过文章的人, NIPS则被排除在外了. 无论如何, 这是一个非常好的会.(注:Michael Jordan是伯克利大学教授,统计机器学习的老大,大牛中的巨牛)ACL (1-)计算语言学/自然语言处理方面最好的会议, ACL (Association of Computational Linguistics) 主办, 每年开.KR (1-)知识表示和推理方面最好的会议之一, 实际上也是传统AI(即基于逻辑的AI) 最好的会议之一. KR Inc.主办, 现在是偶数年开.SIGIR (1-)信息检索方面最好的会议, ACM主办, 每年开. 这个会现在小圈子气越来越重. 信息检索应该不算AI, 不过因为这里面用到机器学习越来越多, 最近几年甚至有点机器学习应用会议的味道了, 所以把它也列进来.SIGKDD (1-)数据挖掘方面最好的会议, ACM主办, 每年开. 这个会议历史比较短, 毕竟, 与其他领域相比,数据挖掘还只是个小弟弟甚至小侄儿. 在几年前还很难把它列在tier-1里面, 一方面是名声远不及其他的top conference响亮, 另一方面是相对容易被录用. 但现在它被列在tier-1应该是毫无疑问的事情了.UAI (1-)名字叫”人工智能中的不确定性”, 涉及表示\推理\学习等很多方面, AUAI (Association of UAI) 主办, 每年开.AAMAS (2+)agent方面最好的会议. 但是现在agent已经是一个一般性的概念, 几乎所有AI有关的会议上都有这方面的内容, 所以AAMAS下降的趋势非常明显.ECCV (2+)计算机视觉方面仅次于ICCV的会议, 因为这个领域发展很快, 有可能升级到1-去.ECML (2+)机器学习方面仅次于ICML的会议, 欧洲人极力捧场, 一些人认为它已经是1-了. 我保守一点, 仍然把它放在2+. 因为机器学习发展很快, 这个会议的reputation上升非常明显.ICDM (2+)数据挖掘方面仅次于SIGKDD的会议, 目前和SDM相当. 这个会只有5年历史, 上升速度之快非常惊人. 几年前ICDM还比不上PAKDD, 现在已经拉开很大距离了.SDM (2+)数据挖掘方面仅次于SIGKDD的会议, 目前和ICDM相当. SIAM的底子很厚, 但在CS里面的影响比ACM和IEEE还是要小, SDM眼看着要被ICDM超过了, 但至少目前还是相当的.ICAPS (2)人工智能规划方面最好的会议, 是由以前的国际和欧洲规划会议合并来的. 因为这个领域逐渐变冷清, 影响比以前已经小了.ICCBR (2)Case-Based Reasoning方面最好的会议. 因为领域不太大, 而且一直半冷不热, 所以总是停留在2上.COLLING (2)计算语言学/自然语言处理方面仅次于ACL的会, 但与ACL的差距比ICCV-ECCV和ICML-ECML大得多.ECAI (2)欧洲的人工智能综合型会议, 历史很久, 但因为有IJCAI/AAAI压着,很难往上升.ALT (2-)有点象COLT的tier-2版, 但因为搞计算学习理论的人没多少, 做得好的数来数去就那么些group, 基本上到COLT去了, 所以ALT里面有不少并非计算学习理论的内容.EMNLP (2-)计算语言学/自然语言处理方面一个不错的会. 有些人认为与COLLING相当, 但我觉得它还是要弱一点.ILP (2-)归纳逻辑程序设计方面最好的会议. 但因为很多其他会议里都有ILP方面的内容, 所以它只能保住2-的位置了.PKDD (2-)欧洲的数据挖掘会议, 目前在数据挖掘会议里面排第4. 欧洲人很想把它抬起来, 所以这些年一直和ECML一起捆绑着开, 希望能借ECML把它带起来.但因为ICDM和SDM, 这已经不太可能了. 所以今年的 PKDD和ECML虽然还是一起开, 但已经独立审稿了(以前是可以同时投两个会, 作者可以声明优先被哪个会考虑, 如果ECML中不了还可以被 PKDD接受).以下是转自南大周志华教授的博客上世界顶级人工智能会议总结IJCAI (1+)AI最好的综合性会议, 1969年开始, 每两年开一次, 奇数年开. 因为AI 实在太大, 所以虽然每届基本上能录100多篇(现在已经到200多篇了),但分到每个领域就没几篇了,像machine learning、computer vision这么大的领域每次大概也就10篇左右, 所以难度很大. 不过从录用率上来看倒不太低,基本上20%左右, 因为内行人都会掂掂分量, 没希望的就别浪费reviewer的时间了. 最近中国大陆投往国际会议的文章象潮水一样, 而且因为国内很少有能自己把关的研究组, 所以很多会议都在complain说中国的低质量文章严重妨碍了PC的工作效率. 在这种情况下, 估计这几年国际会议的录用率都会降下去. 另外, 以前的IJCAI是没有poster的, 03年开始, 为了减少被误杀的好人, 增加了2页纸的poster.值得一提的是, IJCAI是由貌似一个公司的”IJCAI Inc.”主办的(当然实际上并不是公司, 实际上是个基金会), 每次会议上要发几个奖, 其中最重要的两个是IJCAI Research Excellence Award和Computer & Thoughts Award, 前者是终身成就奖, 每次一个人, 基本上是AI的最高奖(有趣的是, 以AI为主业拿图灵奖的6位中, 有2位还没得到这个奖), 后者是奖给35岁以下的 =青年科学家, 每次一个人. 这两个奖的获奖演说是每次IJCAI的一个重头戏.另外, IJCAI 的PC member 相当于其他会议的area chair, 权力很大, 因为是由PC member去找 reviewer来审, 而不象一般会议的PC member其实就是 reviewer. 为了制约这种权力, IJCAI的审稿程序是每篇文章分配2位PC member, primary PC member去找3位reviewer, second PC member 找一位.AAAI (1)美国人工智能学会AAAI的年会. 是一个很好的会议, 但其档次不稳定, 可以给到1+, 也可以给到1-或者2+, 总的来说我给它”1″. 这是因为它的开法完全受 IJCAI制约: 每年开, 但如果这一年的 IJCAI在北美举行, 那么就停开. 所以, 偶数年里因为没有IJCAI, 它就是最好的AI综合性会议, 但因为号召力毕竟比IJCAI要小一些, 特别是欧洲人捧AAAI场的比IJCAI少得多(其实亚洲人也是), 所以比IJCAI还是要稍弱一点, 基本上在1和1+之间; 在奇数年, 如果IJCAI不在北美, AAAI自然就变成了比IJCAI低一级的会议(1-或2+), 例如2005年既有IJCAI又有AAAI, 两个会议就进行了协调, 使得IJCAI的录用通知时间比AAAI的deadline早那么几天, 这样IJCAI落选的文章可以投往AAAI.在审稿时IJCAI 的PC chair也在一直催, 说大家一定要快, 因为AAAI那边一直在担心IJCAI的录用通知出晚了AAAI就麻烦了.COLT (1)这是计算学习理论最好的会议, ACM主办, 每年举行. 计算学习理论基本上可以看成理论计算机科学和机器学习的交叉, 所以这个会被一些人看成是理论计算机科学的会而不是AI的会. 我一个朋友用一句话对它进行了精彩的刻画: “一小群数学家在开会”. 因为COLT的领域比较小, 所以每年会议基本上都是那些人. 这里顺便提一件有趣的事, 因为最近国内搞的会议太多太滥, 而且很多会议都是LNCS/LNAI出论文集, LNCS/LNAI基本上已经被搞臭了, 但很不幸的是, LNCS/LNAI中有一些很好的会议, 例如COLT.CVPR (1)计算机视觉和模式识别方面最好的会议之一, IEEE主办, 每年举行. 虽然题目上有计算机视觉, 但个人认为它的模式识别味道更重一些. 事实上它应该是模式识别最好的会议, 而在计算机视觉方面, 还有ICCV与之相当. IEEE一直有个倾向, 要把会办成”盛会”, 历史上已经有些会被它从quality很好的会办成”盛会”了. CVPR搞不好也要走这条路. 这几年录的文章已经不少了. 最近负责CVPR会议的TC的chair发信说, 对这个community来说, 让好人被误杀比被坏人漏网更糟糕, 所以我们是不是要减少好人被误杀的机会啊? 所以我估计明年或者后年的CVPR就要扩招了.ICCV (1)介绍CVPR的时候说过了, 计算机视觉方面最好的会之一. IEEE主办, 每年举行.(注:我查了下2011年之前是两年一次,之后是每年举行)ICML (1)机器学习方面最好的会议之一. 现在是IMLS主办, 每年举行. 参见关于NIPS的介绍.NIPS (1)神经计算方面最好的会议之一, NIPS主办, 每年举行. 值得注意的是, 这个会每年的举办地都是一样的, 以前是美国丹佛, 现在是加拿大温哥华; 而且它是年底开会, 会开完后第2年才出论文集, 也就是说, NIPS05的论文集是06年出. 会议的名字 “Advances in Neural Information Processing Systems”, 所以, 与ICML\ECML这样 的”标准的”机器学习会议不同, NIPS里有相当一部分神经科学的内容, 和机器学习有一定的距离. 但由于会议的主体内容是机器学习, 或者说与机器学习关系紧密, 所以 不少人把NIPS看成是机器学习方面最好的会议之一. 这个会议基本上控制在Michael Jordan的徒子徒孙手中, 所以对Jordan系的人来说, 发NIPS并不是难事, 一些未必很强的工作也能发上去, 但对这个圈子之外的人来说, 想发一篇实在很难, 因为留给”外人”的口子很小. 所以对Jordan系以外的人来说, 发NIPS的难度比ICML更大. 换句话说, ICML比较开放, 小圈子的影响不象NIPS那么大, 所以北美和欧洲人都认, 而NIPS则有些人(特别是一些欧洲人, 包括一些大家)坚决不投稿. 这对会议本身当然并不是好事, 但因为Jordan系很强大, 所以它似乎也不太care. 最近IMLS(国际机器学习学会)改选理事, 有资格提名的人包括近三年在ICML\ECML\COLT发过文章的人, NIPS则被排除在外了. 无论如何, 这是一个非常好的会.(注:Michael Jordan是伯克利大学教授,统计机器学习的老大,大牛中的巨牛)ACL (1-)计算语言学/自然语言处理方面最好的会议, ACL (Association of Computational Linguistics) 主办, 每年开.KR (1-)知识表示和推理方面最好的会议之一, 实际上也是传统AI(即基于逻辑的AI) 最好的会议之一. KR Inc.主办, 现在是偶数年开.SIGIR (1-)信息检索方面最好的会议, ACM主办, 每年开. 这个会现在小圈子气越来越重. 信息检索应该不算AI, 不过因为这里面用到机器学习越来越多, 最近几年甚至有点机器学习应用会议的味道了, 所以把它也列进来.SIGKDD (1-)数据挖掘方面最好的会议, ACM主办, 每年开. 这个会议历史比较短, 毕竟, 与其他领域相比,数据挖掘还只是个小弟弟甚至小侄儿. 在几年前还很难把它列在tier-1里面, 一方面是名声远不及其他的top conference响亮, 另一方面是相对容易被录用. 但现在它被列在tier-1应该是毫无疑问的事情了.UAI (1-)名字叫”人工智能中的不确定性”, 涉及表示\推理\学习等很多方面, AUAI (Association of UAI) 主办, 每年开.AAMAS (2+)agent方面最好的会议. 但是现在agent已经是一个一般性的概念, 几乎所有AI有关的会议上都有这方面的内容, 所以AAMAS下降的趋势非常明显.ECCV (2+)计算机视觉方面仅次于ICCV的会议, 因为这个领域发展很快, 有可能升级到1-去.ECML (2+)机器学习方面仅次于ICML的会议, 欧洲人极力捧场, 一些人认为它已经是1-了. 我保守一点, 仍然把它放在2+. 因为机器学习发展很快, 这个会议的reputation上升非常明显.ICDM (2+)数据挖掘方面仅次于SIGKDD的会议, 目前和SDM相当. 这个会只有5年历史, 上升速度之快非常惊人. 几年前ICDM还比不上PAKDD, 现在已经拉开很大距离了.SDM (2+)数据挖掘方面仅次于SIGKDD的会议, 目前和ICDM相当. SIAM的底子很厚, 但在CS里面的影响比ACM和IEEE还是要小, SDM眼看着要被ICDM超过了, 但至少目前还是相当的.ICAPS (2)人工智能规划方面最好的会议, 是由以前的国际和欧洲规划会议合并来的. 因为这个领域逐渐变冷清, 影响比以前已经小了.ICCBR (2)Case-Based Reasoning方面最好的会议. 因为领域不太大, 而且一直半冷不热, 所以总是停留在2上.COLLING (2)计算语言学/自然语言处理方面仅次于ACL的会, 但与ACL的差距比ICCV-ECCV和ICML-ECML大得多.ECAI (2)欧洲的人工智能综合型会议, 历史很久, 但因为有IJCAI/AAAI压着,很难往上升.ALT (2-)有点象COLT的tier-2版, 但因为搞计算学习理论的人没多少, 做得好的数来数去就那么些group, 基本上到COLT去了, 所以ALT里面有不少并非计算学习理论的内容.EMNLP (2-)计算语言学/自然语言处理方面一个不错的会. 有些人认为与COLLING相当, 但我觉得它还是要弱一点.ILP (2-)归纳逻辑程序设计方面最好的会议. 但因为很多其他会议里都有ILP方面的内容, 所以它只能保住2-的位置了.PKDD (2-)欧洲的数据挖掘会议, 目前在数据挖掘会议里面排第4. 欧洲人很想把它抬起来, 所以这些年一直和ECML一起捆绑着开, 希望能借ECML把它带起来.但因为ICDM和SDM, 这已经不太可能了. 所以今年的 PKDD和ECML虽然还是一起开, 但已经独立审稿了(以前是可以同时投两个会, 作者可以声明优先被哪个会考虑, 如果ECML中不了还可以被 PKDD接受).谢谢邀请。我想有怕的和不怕的,这是设计的问题。很容易解决。以下是转自南大周志华教授的博客上世界顶级人工智能会议总结IJCAI (1+)AI最好的综合性会议, 1969年开始, 每两年开一次, 奇数年开. 因为AI 实在太大, 所以虽然每届基本上能录100多篇(现在已经到200多篇了),但分到每个领域就没几篇了,像machine learning、computer vision这么大的领域每次大概也就10篇左右, 所以难度很大. 不过从录用率上来看倒不太低,基本上20%左右, 因为内行人都会掂掂分量, 没希望的就别浪费reviewer的时间了. 最近中国大陆投往国际会议的文章象潮水一样, 而且因为国内很少有能自己把关的研究组, 所以很多会议都在complain说中国的低质量文章严重妨碍了PC的工作效率. 在这种情况下, 估计这几年国际会议的录用率都会降下去. 另外, 以前的IJCAI是没有poster的, 03年开始, 为了减少被误杀的好人, 增加了2页纸的poster.值得一提的是, IJCAI是由貌似一个公司的”IJCAI Inc.”主办的(当然实际上并不是公司, 实际上是个基金会), 每次会议上要发几个奖, 其中最重要的两个是IJCAI Research Excellence Award和Computer & Thoughts Award, 前者是终身成就奖, 每次一个人, 基本上是AI的最高奖(有趣的是, 以AI为主业拿图灵奖的6位中, 有2位还没得到这个奖), 后者是奖给35岁以下的 =青年科学家, 每次一个人. 这两个奖的获奖演说是每次IJCAI的一个重头戏.另外, IJCAI 的PC member 相当于其他会议的area chair, 权力很大, 因为是由PC member去找 reviewer来审, 而不象一般会议的PC member其实就是 reviewer. 为了制约这种权力, IJCAI的审稿程序是每篇文章分配2位PC member, primary PC member去找3位reviewer, second PC member 找一位.AAAI (1)美国人工智能学会AAAI的年会. 是一个很好的会议, 但其档次不稳定, 可以给到1+, 也可以给到1-或者2+, 总的来说我给它”1″. 这是因为它的开法完全受 IJCAI制约: 每年开, 但如果这一年的 IJCAI在北美举行, 那么就停开. 所以, 偶数年里因为没有IJCAI, 它就是最好的AI综合性会议, 但因为号召力毕竟比IJCAI要小一些, 特别是欧洲人捧AAAI场的比IJCAI少得多(其实亚洲人也是), 所以比IJCAI还是要稍弱一点, 基本上在1和1+之间; 在奇数年, 如果IJCAI不在北美, AAAI自然就变成了比IJCAI低一级的会议(1-或2+), 例如2005年既有IJCAI又有AAAI, 两个会议就进行了协调, 使得IJCAI的录用通知时间比AAAI的deadline早那么几天, 这样IJCAI落选的文章可以投往AAAI.在审稿时IJCAI 的PC chair也在一直催, 说大家一定要快, 因为AAAI那边一直在担心IJCAI的录用通知出晚了AAAI就麻烦了.COLT (1)这是计算学习理论最好的会议, ACM主办, 每年举行. 计算学习理论基本上可以看成理论计算机科学和机器学习的交叉, 所以这个会被一些人看成是理论计算机科学的会而不是AI的会. 我一个朋友用一句话对它进行了精彩的刻画: “一小群数学家在开会”. 因为COLT的领域比较小, 所以每年会议基本上都是那些人. 这里顺便提一件有趣的事, 因为最近国内搞的会议太多太滥, 而且很多会议都是LNCS/LNAI出论文集, LNCS/LNAI基本上已经被搞臭了, 但很不幸的是, LNCS/LNAI中有一些很好的会议, 例如COLT.CVPR (1)计算机视觉和模式识别方面最好的会议之一, IEEE主办, 每年举行. 虽然题目上有计算机视觉, 但个人认为它的模式识别味道更重一些. 事实上它应该是模式识别最好的会议, 而在计算机视觉方面, 还有ICCV与之相当. IEEE一直有个倾向, 要把会办成”盛会”, 历史上已经有些会被它从quality很好的会办成”盛会”了. CVPR搞不好也要走这条路. 这几年录的文章已经不少了. 最近负责CVPR会议的TC的chair发信说, 对这个community来说, 让好人被误杀比被坏人漏网更糟糕, 所以我们是不是要减少好人被误杀的机会啊? 所以我估计明年或者后年的CVPR就要扩招了.ICCV (1)介绍CVPR的时候说过了, 计算机视觉方面最好的会之一. IEEE主办, 每年举行.(注:我查了下2011年之前是两年一次,之后是每年举行)ICML (1)机器学习方面最好的会议之一. 现在是IMLS主办, 每年举行. 参见关于NIPS的介绍.NIPS (1)神经计算方面最好的会议之一, NIPS主办, 每年举行. 值得注意的是, 这个会每年的举办地都是一样的, 以前是美国丹佛, 现在是加拿大温哥华; 而且它是年底开会, 会开完后第2年才出论文集, 也就是说, NIPS05的论文集是06年出. 会议的名字 “Advances in Neural Information Processing Systems”, 所以, 与ICML\ECML这样 的”标准的”机器学习会议不同, NIPS里有相当一部分神经科学的内容, 和机器学习有一定的距离. 但由于会议的主体内容是机器学习, 或者说与机器学习关系紧密, 所以 不少人把NIPS看成是机器学习方面最好的会议之一. 这个会议基本上控制在Michael Jordan的徒子徒孙手中, 所以对Jordan系的人来说, 发NIPS并不是难事, 一些未必很强的工作也能发上去, 但对这个圈子之外的人来说, 想发一篇实在很难, 因为留给”外人”的口子很小. 所以对Jordan系以外的人来说, 发NIPS的难度比ICML更大. 换句话说, ICML比较开放, 小圈子的影响不象NIPS那么大, 所以北美和欧洲人都认, 而NIPS则有些人(特别是一些欧洲人, 包括一些大家)坚决不投稿. 这对会议本身当然并不是好事, 但因为Jordan系很强大, 所以它似乎也不太care. 最近IMLS(国际机器学习学会)改选理事, 有资格提名的人包括近三年在ICML\ECML\COLT发过文章的人, NIPS则被排除在外了. 无论如何, 这是一个非常好的会.(注:Michael Jordan是伯克利大学教授,统计机器学习的老大,大牛中的巨牛)ACL (1-)计算语言学/自然语言处理方面最好的会议, ACL (Association of Computational Linguistics) 主办, 每年开.KR (1-)知识表示和推理方面最好的会议之一, 实际上也是传统AI(即基于逻辑的AI) 最好的会议之一. KR Inc.主办, 现在是偶数年开.SIGIR (1-)信息检索方面最好的会议, ACM主办, 每年开. 这个会现在小圈子气越来越重. 信息检索应该不算AI, 不过因为这里面用到机器学习越来越多, 最近几年甚至有点机器学习应用会议的味道了, 所以把它也列进来.SIGKDD (1-)数据挖掘方面最好的会议, ACM主办, 每年开. 这个会议历史比较短, 毕竟, 与其他领域相比,数据挖掘还只是个小弟弟甚至小侄儿. 在几年前还很难把它列在tier-1里面, 一方面是名声远不及其他的top conference响亮, 另一方面是相对容易被录用. 但现在它被列在tier-1应该是毫无疑问的事情了.UAI (1-)名字叫”人工智能中的不确定性”, 涉及表示\推理\学习等很多方面, AUAI (Association of UAI) 主办, 每年开.AAMAS (2+)agent方面最好的会议. 但是现在agent已经是一个一般性的概念, 几乎所有AI有关的会议上都有这方面的内容, 所以AAMAS下降的趋势非常明显.ECCV (2+)计算机视觉方面仅次于ICCV的会议, 因为这个领域发展很快, 有可能升级到1-去.ECML (2+)机器学习方面仅次于ICML的会议, 欧洲人极力捧场, 一些人认为它已经是1-了. 我保守一点, 仍然把它放在2+. 因为机器学习发展很快, 这个会议的reputation上升非常明显.ICDM (2+)数据挖掘方面仅次于SIGKDD的会议, 目前和SDM相当. 这个会只有5年历史, 上升速度之快非常惊人. 几年前ICDM还比不上PAKDD, 现在已经拉开很大距离了.SDM (2+)数据挖掘方面仅次于SIGKDD的会议, 目前和ICDM相当. SIAM的底子很厚, 但在CS里面的影响比ACM和IEEE还是要小, SDM眼看着要被ICDM超过了, 但至少目前还是相当的.ICAPS (2)人工智能规划方面最好的会议, 是由以前的国际和欧洲规划会议合并来的. 因为这个领域逐渐变冷清, 影响比以前已经小了.ICCBR (2)Case-Based Reasoning方面最好的会议. 因为领域不太大, 而且一直半冷不热, 所以总是停留在2上.COLLING (2)计算语言学/自然语言处理方面仅次于ACL的会, 但与ACL的差距比ICCV-ECCV和ICML-ECML大得多.ECAI (2)欧洲的人工智能综合型会议, 历史很久, 但因为有IJCAI/AAAI压着,很难往上升.ALT (2-)有点象COLT的tier-2版, 但因为搞计算学习理论的人没多少, 做得好的数来数去就那么些group, 基本上到COLT去了, 所以ALT里面有不少并非计算学习理论的内容.EMNLP (2-)计算语言学/自然语言处理方面一个不错的会. 有些人认为与COLLING相当, 但我觉得它还是要弱一点.ILP (2-)归纳逻辑程序设计方面最好的会议. 但因为很多其他会议里都有ILP方面的内容, 所以它只能保住2-的位置了.PKDD (2-)欧洲的数据挖掘会议, 目前在数据挖掘会议里面排第4. 欧洲人很想把它抬起来, 所以这些年一直和ECML一起捆绑着开, 希望能借ECML把它带起来.但因为ICDM和SDM, 这已经不太可能了. 所以今年的 PKDD和ECML虽然还是一起开, 但已经独立审稿了(以前是可以同时投两个会, 作者可以声明优先被哪个会考虑, 如果ECML中不了还可以被 PKDD接受).谢谢邀请。我想有怕的和不怕的,这是设计的问题。很容易解决。以下是转自南大周志华教授的博客上世界顶级人工智能会议总结IJCAI (1+)AI最好的综合性会议, 1969年开始, 每两年开一次, 奇数年开. 因为AI 实在太大, 所以虽然每届基本上能录100多篇(现在已经到200多篇了),但分到每个领域就没几篇了,像machine learning、computer vision这么大的领域每次大概也就10篇左右, 所以难度很大. 不过从录用率上来看倒不太低,基本上20%左右, 因为内行人都会掂掂分量, 没希望的就别浪费reviewer的时间了. 最近中国大陆投往国际会议的文章象潮水一样, 而且因为国内很少有能自己把关的研究组, 所以很多会议都在complain说中国的低质量文章严重妨碍了PC的工作效率. 在这种情况下, 估计这几年国际会议的录用率都会降下去. 另外, 以前的IJCAI是没有poster的, 03年开始, 为了减少被误杀的好人, 增加了2页纸的poster.值得一提的是, IJCAI是由貌似一个公司的”IJCAI Inc.”主办的(当然实际上并不是公司, 实际上是个基金会), 每次会议上要发几个奖, 其中最重要的两个是IJCAI Research Excellence Award和Computer & Thoughts Award, 前者是终身成就奖, 每次一个人, 基本上是AI的最高奖(有趣的是, 以AI为主业拿图灵奖的6位中, 有2位还没得到这个奖), 后者是奖给35岁以下的 =青年科学家, 每次一个人. 这两个奖的获奖演说是每次IJCAI的一个重头戏.另外, IJCAI 的PC member 相当于其他会议的area chair, 权力很大, 因为是由PC member去找 reviewer来审, 而不象一般会议的PC member其实就是 reviewer. 为了制约这种权力, IJCAI的审稿程序是每篇文章分配2位PC member, primary PC member去找3位reviewer, second PC member 找一位.AAAI (1)美国人工智能学会AAAI的年会. 是一个很好的会议, 但其档次不稳定, 可以给到1+, 也可以给到1-或者2+, 总的来说我给它”1″. 这是因为它的开法完全受 IJCAI制约: 每年开, 但如果这一年的 IJCAI在北美举行, 那么就停开. 所以, 偶数年里因为没有IJCAI, 它就是最好的AI综合性会议, 但因为号召力毕竟比IJCAI要小一些, 特别是欧洲人捧AAAI场的比IJCAI少得多(其实亚洲人也是), 所以比IJCAI还是要稍弱一点, 基本上在1和1+之间; 在奇数年, 如果IJCAI不在北美, AAAI自然就变成了比IJCAI低一级的会议(1-或2+), 例如2005年既有IJCAI又有AAAI, 两个会议就进行了协调, 使得IJCAI的录用通知时间比AAAI的deadline早那么几天, 这样IJCAI落选的文章可以投往AAAI.在审稿时IJCAI 的PC chair也在一直催, 说大家一定要快, 因为AAAI那边一直在担心IJCAI的录用通知出晚了AAAI就麻烦了.COLT (1)这是计算学习理论最好的会议, ACM主办, 每年举行. 计算学习理论基本上可以看成理论计算机科学和机器学习的交叉, 所以这个会被一些人看成是理论计算机科学的会而不是AI的会. 我一个朋友用一句话对它进行了精彩的刻画: “一小群数学家在开会”. 因为COLT的领域比较小, 所以每年会议基本上都是那些人. 这里顺便提一件有趣的事, 因为最近国内搞的会议太多太滥, 而且很多会议都是LNCS/LNAI出论文集, LNCS/LNAI基本上已经被搞臭了, 但很不幸的是, LNCS/LNAI中有一些很好的会议, 例如COLT.CVPR (1)计算机视觉和模式识别方面最好的会议之一, IEEE主办, 每年举行. 虽然题目上有计算机视觉, 但个人认为它的模式识别味道更重一些. 事实上它应该是模式识别最好的会议, 而在计算机视觉方面, 还有ICCV与之相当. IEEE一直有个倾向, 要把会办成”盛会”, 历史上已经有些会被它从quality很好的会办成”盛会”了. CVPR搞不好也要走这条路. 这几年录的文章已经不少了. 最近负责CVPR会议的TC的chair发信说, 对这个community来说, 让好人被误杀比被坏人漏网更糟糕, 所以我们是不是要减少好人被误杀的机会啊? 所以我估计明年或者后年的CVPR就要扩招了.ICCV (1)介绍CVPR的时候说过了, 计算机视觉方面最好的会之一. IEEE主办, 每年举行.(注:我查了下2011年之前是两年一次,之后是每年举行)ICML (1)机器学习方面最好的会议之一. 现在是IMLS主办, 每年举行. 参见关于NIPS的介绍.NIPS (1)神经计算方面最好的会议之一, NIPS主办, 每年举行. 值得注意的是, 这个会每年的举办地都是一样的, 以前是美国丹佛, 现在是加拿大温哥华; 而且它是年底开会, 会开完后第2年才出论文集, 也就是说, NIPS05的论文集是06年出. 会议的名字 “Advances in Neural Information Processing Systems”, 所以, 与ICML\ECML这样 的”标准的”机器学习会议不同, NIPS里有相当一部分神经科学的内容, 和机器学习有一定的距离. 但由于会议的主体内容是机器学习, 或者说与机器学习关系紧密, 所以 不少人把NIPS看成是机器学习方面最好的会议之一. 这个会议基本上控制在Michael Jordan的徒子徒孙手中, 所以对Jordan系的人来说, 发NIPS并不是难事, 一些未必很强的工作也能发上去, 但对这个圈子之外的人来说, 想发一篇实在很难, 因为留给”外人”的口子很小. 所以对Jordan系以外的人来说, 发NIPS的难度比ICML更大. 换句话说, ICML比较开放, 小圈子的影响不象NIPS那么大, 所以北美和欧洲人都认, 而NIPS则有些人(特别是一些欧洲人, 包括一些大家)坚决不投稿. 这对会议本身当然并不是好事, 但因为Jordan系很强大, 所以它似乎也不太care. 最近IMLS(国际机器学习学会)改选理事, 有资格提名的人包括近三年在ICML\ECML\COLT发过文章的人, NIPS则被排除在外了. 无论如何, 这是一个非常好的会.(注:Michael Jordan是伯克利大学教授,统计机器学习的老大,大牛中的巨牛)ACL (1-)计算语言学/自然语言处理方面最好的会议, ACL (Association of Computational Linguistics) 主办, 每年开.KR (1-)知识表示和推理方面最好的会议之一, 实际上也是传统AI(即基于逻辑的AI) 最好的会议之一. KR Inc.主办, 现在是偶数年开.SIGIR (1-)信息检索方面最好的会议, ACM主办, 每年开. 这个会现在小圈子气越来越重. 信息检索应该不算AI, 不过因为这里面用到机器学习越来越多, 最近几年甚至有点机器学习应用会议的味道了, 所以把它也列进来.SIGKDD (1-)数据挖掘方面最好的会议, ACM主办, 每年开. 这个会议历史比较短, 毕竟, 与其他领域相比,数据挖掘还只是个小弟弟甚至小侄儿. 在几年前还很难把它列在tier-1里面, 一方面是名声远不及其他的top conference响亮, 另一方面是相对容易被录用. 但现在它被列在tier-1应该是毫无疑问的事情了.UAI (1-)名字叫”人工智能中的不确定性”, 涉及表示\推理\学习等很多方面, AUAI (Association of UAI) 主办, 每年开.AAMAS (2+)agent方面最好的会议. 但是现在agent已经是一个一般性的概念, 几乎所有AI有关的会议上都有这方面的内容, 所以AAMAS下降的趋势非常明显.ECCV (2+)计算机视觉方面仅次于ICCV的会议, 因为这个领域发展很快, 有可能升级到1-去.ECML (2+)机器学习方面仅次于ICML的会议, 欧洲人极力捧场, 一些人认为它已经是1-了. 我保守一点, 仍然把它放在2+. 因为机器学习发展很快, 这个会议的reputation上升非常明显.ICDM (2+)数据挖掘方面仅次于SIGKDD的会议, 目前和SDM相当. 这个会只有5年历史, 上升速度之快非常惊人. 几年前ICDM还比不上PAKDD, 现在已经拉开很大距离了.SDM (2+)数据挖掘方面仅次于SIGKDD的会议, 目前和ICDM相当. SIAM的底子很厚, 但在CS里面的影响比ACM和IEEE还是要小, SDM眼看着要被ICDM超过了, 但至少目前还是相当的.ICAPS (2)人工智能规划方面最好的会议, 是由以前的国际和欧洲规划会议合并来的. 因为这个领域逐渐变冷清, 影响比以前已经小了.ICCBR (2)Case-Based Reasoning方面最好的会议. 因为领域不太大, 而且一直半冷不热, 所以总是停留在2上.COLLING (2)计算语言学/自然语言处理方面仅次于ACL的会, 但与ACL的差距比ICCV-ECCV和ICML-ECML大得多.ECAI (2)欧洲的人工智能综合型会议, 历史很久, 但因为有IJCAI/AAAI压着,很难往上升.ALT (2-)有点象COLT的tier-2版, 但因为搞计算学习理论的人没多少, 做得好的数来数去就那么些group, 基本上到COLT去了, 所以ALT里面有不少并非计算学习理论的内容.EMNLP (2-)计算语言学/自然语言处理方面一个不错的会. 有些人认为与COLLING相当, 但我觉得它还是要弱一点.ILP (2-)归纳逻辑程序设计方面最好的会议. 但因为很多其他会议里都有ILP方面的内容, 所以它只能保住2-的位置了.PKDD (2-)欧洲的数据挖掘会议, 目前在数据挖掘会议里面排第4. 欧洲人很想把它抬起来, 所以这些年一直和ECML一起捆绑着开, 希望能借ECML把它带起来.但因为ICDM和SDM, 这已经不太可能了. 所以今年的 PKDD和ECML虽然还是一起开, 但已经独立审稿了(以前是可以同时投两个会, 作者可以声明优先被哪个会考虑, 如果ECML中不了还可以被 PKDD接受).谢谢邀请。我想有怕的和不怕的,这是设计的问题。很容易解决。去年,微软宣布了实验性的 Windows 机器人操作系统。今年五月,微软正式推出了 ROS for Windows,使得 ROS 开发者能够对 Windows 生态系统加以完整的利用。在昨日的机器人大会(ROSCON)上,微软宣布了ROS 的功能改进,其中包括 Windows 中的 ROS / ROS 2 支持、面向 ROS 的 Visual Studio Code 扩展、以及用于测试和仿真的 Azure VM ROS 模板支持。(题图 via MSPU)首先来介绍下 ROS 的 VS Code 扩展支持:● 用于 ROS 开发的自动环境配置;● 启动、停止和监视 ROS 运行时状态;● 构建任务的自动发现;● 一键创建 ROS 包;● 提供 rosrun 和 roslaunch 的快捷方式;● 支持 Linux ROS 开发;● 支持使用 C ++ 和 Python 扩展来调试 ROS 节点;● 支持通过 Robot Web Tools 来预览 URDF / Xacro 文件。此外,微软发布了下述公告:● 提供 Windows ROS 虚拟机模板,并使用 CustomScript 扩展将 Windows 上的最新 ROS 安装到虚拟机 VM 中。● 正在扩展对 ROS 和 ROS 2 的支持,包括创建微软支持的 ROS 节点、以及为 ROS(Noetic Ninjemys)和 ROS2(Eloquent Elusor)的下一版本构建并提供 Chocolatey 软件包。● 提供一个用于驱动 Azure Kinect 的 ROS 节点,并将很快支持 ROS 2 。节点发出的 PointCloud 2 流,包括了深度 / 颜色信息、深度图像、来自红外 / RGB 相机的原始图像数据、以及高速 IMU 数据。● Windows 机器学习 ROS 节点将通过硬件来加速 ML 模型的推理,发布相对于图像发布者框架的可视化标记。● Azure IoT Hub ROS 节点,将允许用户通过 Azure IoT Hub 流式传输 ROS 消息。
4,PSP机器人大战A怎么合击啊N久没玩了都不会了第一关就让
合体攻击跟援护有本质区别 魔神Z跟大魔神Z 就有合体技能 要气力以及等级满足要求才能发动 同理 神宝3跟泰坦3也有合体技能 一些系列机体都能有合体攻击的 比如龙骑 G高达的扑克同盟 援护攻击 有援护攻击技能的角色跟攻击角色邻接且攻击角色攻击时援护角色没有完成当回合的行动时可以进行援护攻击 第一关的BOSS 把他HP消减到8000左右 让主角发动朱雀舞 铁也使用GREAT BOOSTER 就可以轻松解决掉了合击?应该是援护攻击吧,只要人物有援护攻击这个技能,然后2部机体靠在一起有援护攻击技能的机师驾驶的机体就能发动了
5,女枪什么职业好
大枪!
输出高,刷图秒怪,pk秒人!
最后,希望我的回答对你有所帮助!傻子刘宏玩多长时间了还要提问 小朋友哥哥来教你
咱先分析一下漫游 弹药 机械 大枪的 有点多但耐心看完 一定会有你想要的
漫游
神枪和其他职业并不一样,时装是必不可少的,尤其是漫游, 射击速度达到了一定的快速以后,才可以发出连招,就漫游的输出来说,你根本杀不了人就漫游48被动技能致死那也是靠射速打小怪就不说了刷BOSS可想而知
漫游金钱 来说有点贵
漫游实用性 刷图 其实没什么刷图就靠攻速 一律爆头任何技能
PK 攻速移速施放速差不多的 一般的玩家都能想出一套适合自己的连招
弹药
内玩意PK无敌一套爆炎弹下来不死也残
刷图没有效果好的群伤技能 就觉醒来说 4个夜玫瑰 对与刷图也没什么大作用
弹药金钱 一般 但找人带内有点贵 除非有朋友
弹药实用性 刷图 不行
PK 角斗场恶心垃圾职业就是他 我58瞎子 被一套爆炎弹打下来 半管多血
机械
鄙人也不怎么熟悉从网上给你找哈
弹药的特点就是拥有灵活的移动以及多样的技能,且技能多是召唤机器人协助战斗,技能攻击范围也较大。但弱点就是皮太脆了,受不住几下攻击,因此需要不断的跑位躲避敌人的攻击,也正是为此,很多人骂机械猥琐。但你想想,机械这么低的防御力要是还去和那些近战职业硬拼那还有什么意思。
刷图PK来说无一例外 都是机器人为主
金钱 蓝药多买点 有一点点贵
实用性来说 PK猥琐找机会 CD下去可以秒人 刷图来说机器人当盾血药用不了多少 靠机器人攻击伤害还行
大枪
金钱 装备贵点因为是重甲
刷图就是重武器上阵 攻击蛮高 蓝药多费
PK来说 论射程 看着敌人名字 猥琐在世界的尽头
破玩意浪费我半小时 !! 就这些了
喜欢刷图的但没什么经济的 选大枪 机械 有经济的可以选择漫游
PK第一选择弹药 第二大枪 第三漫游 第四机械
过年啦 送歌祝福 祝你们 早日60 女枪的魔攻高,物攻低,建议玩弹药或机械,因为这俩职业是魔攻职业。
6,纯PK机械师加点
我只说主要的。双机器人加满,高达最好加满(这个版本的高达智力很高,加满不亏,CD时间又不是很长,又可以追着敌人打,关键时刻还会破敌人的招,所以加高很好用)引爆最好加高,,因为加高了引爆的范围很大,毛雷最好加满,范围也是大的惊人,机械不擅长近战,有了这个我们就不怕了,还可以浮空哦,两个堆功的加满,高功的机器人炸别个很疼的,至于40,45的技能只需要加一级,虎人和等缓冲的,毕竟CD时间长了点,小技能自己看着办吧。。。就说这多。。。。。体术类:膝顶5【BBQ】 BBQ1 踏射1【神技,这个版本踏射判定挺BT得】 其余的就别+ 这2样足够了。 空中射击1【被挤墙角换手炮+空射跑、和蓝拳开场也能用上】机械类:双机器人满【不用解释】引爆5【这个版本机器人可以飞。5足够,也有说3的,看个人喜好】嗜血追击者满【不解释】 毒蛇炮1【扰乱敌人跑位用,+1足够了】 高达满【这个版本高达绝对得满,主要是高达的AI提升了许多,攻击意识很强,必满】空投1【点1足够,点满浪费,个人认为 高达+双机器人是主要输出。点1也足够扭转乾坤】伪装满【对于忽略伪装的机械我异常不解,伪装除了用技能和攻击时候会显行其他时候都是全隐身的,这个版本就算出加速状态脚下有风也没事,都能一块隐了。还可以绕后面雷偷袭。还可以拖CD。 满伪装+我时装的1点是28秒好像。将近半分钟。半分钟的隐身相信大家都知道意味着什么吧?】G1 G2 G3 出前置就够了,为了点45鸟巢,G系列除了G2 其他的在PK场 基本都废物鸟巢1【点高浪费。。点1就足够 控场技能不点不行】 机械改良满不屈意志必满【到58以后,大部分职业追机械追很紧,+不屈好打开场】跃翔5【必点的,+跃翔空射换手炮。。 另外+跃翔能防鬼剑的空斩,大叔的那个Z的技能。和飞雷。 总之用处很大。我觉得点满有些亏了。SP问题。点满不+跳跃高度。+5是30秒。30秒内肯定有大技能CD好。觉得高了浪费。】剩下SP的+浮空弹。以上的加点都是本人在模拟器上+了5次 洗了6次得出的结果。我现在就是这个加点方法 还有,千万别玩华丽,这个版本落地保护那么BT,漫游都玩不起华丽了。机械还玩??? 机械到跨区以后 物防统一2000+ 玩T术玩华丽不找死呢。。。 在劝告小白新手们一句。别玩高强,不管强几,到跨区一律变0 。科罗娜加15以上 我的建议 应为它加g系列的时间 用旋雷可以打断对方连招 不就不怕人伪装 人是有智商的 伪装怎么了 照样的打 手雷可以用霸体抗 档格抗 实在不行就猛的逃命 不再一个视野就会看见对方的名字 怕什么 高达浪费sp 13的也是几下打爆 加的那么逃命的点 是不好来反击人的 而且 高达在对方用破霸体技能打你的时候会自己冲上去爆掉 白爆了 浮空铲加点跑位被上挑也是有很大的可能没有被连成 跃翔1 逃命逃到跃翔5的飞炮 那么也没什么跑位水品了 蓝拳的场子上我也用自动跑位 飞炮躲个特殊技能或实在追的很紧的情况下用就可以了 再说玩个游戏纯粹的飞炮可惜了自己的智商了 膝撞最好别5级 不是连招问题 是对霸体时候别人把你打的很高 你会被很惨的扫 地 只是建议
带傀儡
比较喜欢的战术,第1种英雄买电球,第2种就是蜥蜴了,爱用车打爱用N个机器人围打随便个人爱好,在傀儡初期,一般也只有1到2个,1个傀儡如果用兵围杀的话,英雄因素不考虑,完全可以围杀掉,其实在初期完全可以带1个傀儡,带1到2队兵,兵加速度,追着敌人的傀儡围杀,注意,围住的时候要用自己的傀儡把自己家兵的速度效果吸收掉,然后就是猛K了.
蜥蜴电盾
开局的时候有的玩家喜欢欺负菜鸟,选到狐狸或者恶魔的时候爱用电盾冲来烧兵,对付恶魔最简单,兵加个速度,遍1号兵围杀恶魔,兵到200血左右,2号兵围来,1号兵撤离,如此往复.恶魔刚进来的时候最好让自己的兵跑,别让恶魔追着,看他的电盾效果快消失的时候围.对付狐狸,同样开始的时候把兵乱跑,别让自己兵攻击敌方英雄,等电盾效果快消失的时候,买1老鼠,成摸狐狸,这样举兵围杀之.
雇佣战术
这就要敌人之间的默契了,一般就是1家搞雇佣,3方被压制,对付雇佣切记不能添油加醋,就是英雄不要一个一个上,一般3家英雄一起功雇佣,很难抵御住,当雇佣成型话,如果微操高手控制的话很可怕的,可以用2个车加上速度,加上攻击,加上隐身效果,再带个老鼠
老鼠先成摸,车打他的车,2车齐发1下1个车,2下收尾.不过这种战术现在很少看人用了,用的也不是什么高手用了,因为雇佣风险很大,搞不好就撒都没了.家也容易被别人偷袭掉以上是不考虑英雄的因素
因为搜搜有限制 我只能分几次来答了目前最流行的车流(本人不太喜欢的战术,搞的我微操技术直线下降)
一般搞车流最快的也就是混战刚结束,1个车带2队兵加吼.
其次就是2车,就是混战结束后2到3分钟
再有就是3车
1车:混战结束后,出1个冰塔,再让盟友买个机器人,带机器人赚钱,看有兵往你家冲的时候机器人回家.来了后机器人先吸车,再吸车,英雄回程带自己家车加速度,这样基本就能抗住.(一般遇到这种打法的很少)
2车,当自己家的车也出到2个的时候,要么你就去把他灭掉,要么就买个变节抗,有了变节,别把他藏在商店门口,放中间,来车净化1个,睡觉一个,然后把商店门口的车拖来砸
(顺便是说下,有些人会带老鼠,有钱的话就出2个变节,没钱的话么....)
3车,3车威力很猛,这要看你的反映和操作水平了,3车基本3到4下齐射家就没了,到3车的时候贫富悬差就比较大了,有钱就起个冰塔在中路,放2个变节在2,3号旁边,车也别放商店了,放1号家基地旁边.
4车就不考虑了,和3车差不多,就是速度比较快,G好的话3下
注意了,最有效的方法还是老家升级,要是防御的话就选NE,升级3射程,
NE的好处就是能齐射,老家血多,耐轰开局步兵流
基本就是英雄先冲进去把你的兵带离你的基地,然后3队兵加个攻击砍你基地,对付他就是第一时间买农民,然后控制好你的兵,别让他跟着假目标乱逛.
开局偷傀儡(本人和一朋友用过一次,别的没见过)
有前提的,就是首发英雄带有召唤战鹰或者有闪烁技能的,基本构思就是傀儡在你家内部开花,敌人的兵带着速度冲到你家里,让傀儡吸兵的速度加血.至于怎么样克制的话本人到没克制过,但是本人的想法是用车,或者是买个高级牧师,傀儡出来的时候就是车快要诞生的时候,值得大家实验实验
升级基地
这些是根据英雄而定的战术,防守的就用NE把,追求攻击的就用狗把.对付NE切记不能让他多,多就意味着进去转一圈后就会肉体和灵魂分离了,白送了225.用狗的话只能在英雄级别不高一4级的时候就开始用,而且需要英雄带着 偷车战术
现在的改图改了木头,(我个人感觉这种改法把图改的垃圾了)不例外混战结束后有人买飞机偷你们家什么什么,大山赚到不少的钱去偷你家车,对付飞机只要买个蜥蜴,网住用兵围杀便可,兵围好的话飞机里边的东西可以直接全坏掉.
老鼠成默
对付这种战术最简单,以其人之道还治其人之身,一个老鼠全解决,N长时间他们家老鼠没脾气,至于你这老鼠怎么个成默法,就要考虑考虑用不用隐身呢~
乌龟战术(纯属无聊战术)
这种战术我很少很少看人用,只见过2次,自己也用过1次,就是医生带着4王八满大街乱跑,(前提,医生基本7或者10,最好10级别)对付乌龟用车砸的效果最好,1个是没尸体,2个速度快,砸之前搞个老鼠成默医生,然后想办法让乌龟不动让你砸,看你水平了.Footman过度用!~!~顶盾Footman可以有效的抵抗穿刺攻击...
在你TR对手时可以起到不小的作用!~!~提高存活率!~
要不就前期暴Footman....不过这个已经不行了!~甚用
文章TAG:
机器人大会攻略 lol梦魇锐雯哪个厉害值得20级以下的新手玩 机器 机器人 人大