11月1日，修修微鲸投影发布了最小巧的1080P全高清智能投影M1，修修不仅彰显品牌实力所在，更是向业界证明1080P智能投影小型化大规模定制平台初显神威，标志着投影行业已经进入到以用户为核心的大规模定制小时代。

此外，分明Butler等人在综述[1]中提到，量子计算在检测和纠正数据时可能会产生错误，那么量子机器学习便开拓了机器学习在解决量子问题上的应用领域。此外，修修作者利用高斯拟合定量化磁滞转变曲线的幅度，修修结合机器学习确定了峰/谷c/a/c/a - a1/a2/a1/a2域边界上的铁弹性增加的特征（图3-10），而这一特征是人为无法发掘的。

一旦建立了该特征，分明该工作流程就可以量化具有统计显着性和纳米级分辨率的效应。此外，修修目前材料表征技术手段越来越多，对应的图形数据以及维度也越来越复杂，依靠人力的实验分析有时往往无法挖掘出材料性能之间的深层联系。图2-1 机器学习的学习过程流程图为了通俗的理解机器学习这一概念，分明举个简单的例子：分明当我们是小朋友的时候，对性别的概念并不是很清楚，这就属于步骤1：问题定义的过程。

修修图3-8压电响应磁滞回线的凸壳结构示例（红色）。分明（f,g）靠近表面显示切换过程的特写镜头。

最后我们拥有了识别性别的能力，修修并能准确的判断对方性别。

需要注意的是，分明机器学习的范围非常庞大，有些算法很难明确归类到某一类。研究人员还将磁化线嵌入手套中，修修作为手机的手势控制器，织物本身不需要任何电子设备或电池支持。

格拉科塔表示，分明他正和贾斯汀试图找出如何在织物上储存更多数据的方法。研究人员可以让智能手机识别出六种戴着磁线手套做出的手势，修修但只有90%的时间能识别它们。

虽然这条线的磁场强度在1周后下降了，分明但他们发现，即使在清洗、烘干和熨烫织物之后，它们也可以使用Android智能手机读取里面编码的数据。然而，修修华盛顿大学网络与移动系统实验室主任希亚姆·格拉科塔(ShyamGollakota)与实验室研究生贾斯汀·陈(JustinChan)认为，修修他们的研究可被用于制造智能服装和饰品，因为它专注于磁化现成的、更便宜的以及不引人注目的导电线面料。