机器学习

绛橘色的日落(。・∀・)ノ

机器学习单变量线性回归模型这个实验用房屋面积预测房价，数据只有两个样本：用初始参数计算预测值：我们可以直接用两个点解出完美拟合的参数：把两个点代入 y=wx+b：

phoenix@Capricornus

卷积表示的错误关于卷积的表示，绝大部分书中写的卷积公式都是错的，当战老师指出来时，我都难受好久了，他坚定了我的想法💡。

机器学习day01（机器学习概述 + KNN算法）有监督 = 有特征、有标签。有监督又被分为：分类问题和回归问题。目标值（标签值）是不连续的分类种类：二分类、多分类

小G&老D求解：第7日·立夏·蝼蝈鸣游历日记：田野里的小歌手立夏一到，天气就暖烘烘的了。淘气宝跟着云灵儿跑到郊外的田野里，满眼都是绿油油的庄稼。

精细结构常数α作为SI 7大基本量纲统一耦合常数的量子几何涌现理论时间：20250503精细结构常数α是量子电动力学与现代物理学的核心无量纲常数，其数值为α ≈ 1/137.036，这个"神奇数字"的物理本源与SI 7大基本量纲的内在耦合关系，是百年来物理学界的核心谜题之一。本文基于张祥前空间光速螺旋理论，以v≡c光速不变为唯一不可拆分的第一性原理，结合微分几何、拓扑学、量纲分析白金汉Π定理，构建了自洽的公理体系，首次完整推导得到α在SI全部7大基本量纲（长度L、时间T、质量M、电流I、热力学温度Θ、物质的量N、发光强度J）下的独立本源无量纲表达式。所有表达式严格遵循「

哥布林学者

深度学习进阶（十六）混合注意力 CBAM上一篇我们介绍了 SE 模块，从通道维度引入了注意力机制，让网络能够自适应地调整每个通道的权重。再结合之前的相关内容，现在我们已经对通道维度和空间维度上的注意力逻辑都有所了解了，显然二者并不冲突，反而是相辅相成的，因此一个想法自然就出现了：

SIGIR 2026 | LLM × Graph论文总结（图增强LLM，GraphRAG，Agent，多模态，知识图谱，搜索，推SIGIR 2026将在2026年7月20日至24日于澳大利亚墨尔本（Melbourne | Naarm, Australia ）举行。

老陈说编程

12. LangChain 6大核心调用方法：invoke/stream/batch同步异步全解析，新手也能轻松学会如果喜欢看视频学习的，可以看这个《12. LangChain 6大核心调用方法》，喜欢看文章的接着往下看。

认知神经科学研究报告【20260020】DNA序列组装是基因组学中的核心任务之一。当测序技术产生大量短片段（reads）时，需要根据片段之间的重叠关系将它们拼接成一条完整的连续序列。这个问题在计算机科学中被形式化为最短公共超序列（Shortest Common Supersequence, SCS）问题。给定一组字符串，SCS的目标是找到一个最短的字符串，使得每个输入字符串都作为其连续子串出现。

人工智能【第10篇】支持向量机SVM：寻找最优分类超平面（长文+代码实现）作者的话：在前面的文章中，我们学习了决策树和随机森林。今天我们要探索的是机器学习中最优雅、最强大的算法之一——支持向量机（SVM）。SVM不仅理论基础扎实，而且在高维数据处理和小样本学习中表现出色。本文将带你深入理解SVM的原理、核技巧和实际应用！

一切皆是因缘际会

可落地数字生命工程：从记忆厮杀到自我意识觉醒全链路，AGI内生智能硅基生命心智建模可落地数字生命工程：从记忆厮杀到自我觉醒全链路作者：一切皆是因缘际会本文跳出大模型单纯概率拟合的固有思路，从生命底层心智规律出发，搭建一套可编码、可建模、偏向工程化的数字生命实现理论。核心总诀：存续为根，记忆为体，结构为形，权重为用，兼容定序引言碳基人类与万物生灵，一切判断、取舍、情绪、本能，溯源根本，全部源于记忆机制。生命存续过程中，各类阅历、利害体验、恐惧情绪、内在欲望，会逐步沉淀为独立的记忆集群。每一组记忆都绑定主体存续利害，拥有专属行为导向，能够主导个体进退取舍与利弊抉择。不同记忆集

地球资源数据云

中国陆地生态系统主要植物功能特征空间分布数据该数据集为中国陆地生态系统主要植物功能特征空间分布数据，数据选择了能够反映植物资源获取策略和生态系统功能的六个关键的植物功能性状，具体有比叶面积（SLA）、叶干物质含量（LDMC）、叶氮浓度（LNC）、叶磷浓度（LPC）、叶面积（LA）以及木质密度（WD）。

周红伟：DeepSeek官方教您如何部署Hermes Agent 和接入 DeepSeek-V4-ProHermes 是 Nous Research 打造的开源自我进化 AI Agent。它内置学习闭环：能够从经验中生成技能，在使用过程中持续优化，沉淀知识，并在跨会话中逐步构建你偏好的动态模型。

【大模型】EvoLM论文LLM训练各个阶段效果这个问题旨在探究单纯增加预训练阶段的token数量（即扩展计算量），是否以及如何影响模型在通用语言任务（上游）和特定下游任务（如数学推理）上的表现，特别是是否一直存在“大力出奇迹”的线性增益。

机器学习05(黑马)-决策树学习目标 1.理解决策树算法的基本思想2.知道构建决策树的步骤决策树算法是一种监督学习算法，英文是Decision tree。

明月照山海-

机器学习周报四十三本周主要的工作是，寻找到一个无监督或者自监督的方法，解决模型的域泛化的问题，探索了幅度损失和方向损失等函数的思路和局限性。

基于MATLAB深度学习与传统机器学习的脑肿瘤MRI图像分类系统(GUI界面+数据集+训练代码)摘要：脑肿瘤是严重威胁人类健康的疾病之一，准确、快速的诊断对于治疗方案的制定至关重要。传统的人工阅片方式效率低、主观性强，难以满足临床需求。本文针对脑肿瘤MRI图像分类问题，设计并实现了一套基于深度学习与传统机器学习的智能诊断系统。

全域数学·数术本源·第四卷《分析原本》【乖乖数学】第一编全域分析本源总论第一章全域分析基础板块作者：乖乖数学成书：2026年5月4日本节基于全域分析已建立的理论体系，提出指向分析学未来发展的根本性、前沿性未决问题。这些猜想并非无源之水，而是植根于0, 1, ∞三元本源逻辑，是当前理论边界的前沿映射，旨在引导全域分析向更高维度、更本质统一性、与物理世界更深融合的方向发展。

绛橘色的日落(。・∀・)ノ

机器学习梯度下降也称深度学习模型你会得到最优解 w=200, b=100（因为 1200+100=300，2200+100=500，完美拟合数据）

人工智能【第11篇】K近邻算法KNN：简单有效的分类方法（长文+代码实现）作者的话：在前面几篇文章中，我们学习了决策树、随机森林和支持向量机。今天要介绍的K近邻算法（K-Nearest Neighbors, KNN）是机器学习中最简单、最直观的算法之一。它没有显式的训练过程，通过计算样本之间的距离来进行分类或回归。本文将带你深入理解KNN的原理、距离度量方法和实际应用！