机器学习

自动驾驶规划控制决策知识点扫盲局部规划采用横纵向分开规划在自动驾驶规划领域（Planning），这种做法通常被称为 “路径-速度解耦” (Path-Velocity Decomposition)。

hjs_deeplearning

文献阅读篇#14：自动驾驶中的基础模型：场景生成与场景分析综述（5）（翻译）自动驾驶中的基础模型：场景生成与场景分析综述文章发表于预印本：Foundation Models in Autonomous Driving: A Survey on Scenario Generation and Scenario Analysis

创业之路&下一个五年

以教为学：在赋能他人中完成自我跃升“教会一个零基础的人，等同于讲解者把自己拽起来”，这一感悟看似朴素，却蕴含着认知升级与自我突破的深层逻辑。当我们试图将模糊的认知转化为他人可理解的语言，在与对方的提问交锋、双向交流中，那些潜藏于潜意识的、碎片化的思考被显性化、体系化，这个过程不仅是知识的传递，更是讲解者自我认知的重构与升华。而这一过程，恰能与爱因斯坦的名言、“自我拽升”悖论、熵增定律等理论形成共振，为“以教为学”的落地提供坚实的逻辑支撑与实践路径。

YOLO26 改进 | 训练策略 | 知识蒸馏 (Response + Feature + Relation)这篇文章给大家带来的是 YOLO26 知识蒸馏 (Knowledge Distillation) 的终极实战教程。我们将演示如何利用一个参数量更大的 YOLO26-M (Teacher) 模型来指导参数量较小的 YOLO26-N (Student) 模型进行训练。

机器学习（二）-线性回归实战Scikit-learn python的一个针对机器学习的算法库，不支持深度学习和强化学习。=======================================================

力学与人工智能

“高雷诺数湍流数据库的构建及湍流机器学习集成研究”湍流重大研究计划集成项目顺利结题2026年1月15日至18日，国家自然科学基金湍流重大研究计划年度交流暨成果总结会在深圳隆重举行。由西北工业大学张伟伟教授牵头承担的集成项目“高雷诺数湍流数据库构建与数据驱动建模研究”在会议上系统汇报了项目四年来的研究成果，并顺利通过结题验收。

康谋自动驾驶

高校自动驾驶研究新基建：“实测 - 仿真” 一体化数据采集与验证平台本项目客户为国内一所智能驾驶为核心研究方向的高校科研团队。团队长期聚焦于自动驾驶感知、定位与系统级验证研究，同时承担研究生教学与科研平台建设任务。在科研与教学并行推进的背景下，客户希望构建一套可持续扩展、可复用的自动驾驶数据采集与数字孪生测试平台，支撑从真实道路采集到高保真仿真验证的完整研究链路。

决策树实战：基于 KingbaseES 的鸢尾花分类 —— 模型可视化输出——别让“Hello World”停留在内存里，让它在国产数据库中生根发芽大家好，我是那个总在演示会上被问“能不能把这棵树画出来？”、又在 KES 表里手动拼接 feature + ' <= ' + threshold 的老架构。今天我们要干一件看似简单、却极具象征意义的事：

Layer Normalization 全解析：LLMs 训练稳定的核心密码在大语言模型（LLMs）的训练与落地过程中，“梯度消失 / 爆炸”“训练不稳定”“深层模型难收敛” 是高频痛点。而 Layer Normalization（层归一化，简称 LN）及其变体（RMS Norm、Deep Norm），正是解决这些问题的核心技术 —— 它们通过标准化网络层的输入分布，让模型参数更新更平稳、收敛更快，同时适配 NLP 任务中变长序列的特性。

【DL】卷积神经网络卷积其实是一种数学运算，常用于信号处理和图像处理领域。它的基本思想是将一个函数与另一个函数进行点积，并通过滑动窗口的方式计算整个输入数据的值。一维卷积的数学表示如下：

逄逄不是胖胖

《动手学深度学习》-55-1RNN的复杂实现可以看出结果可以正常输出，但是由于网络没有很好训练，所以结果几乎是乱猜

决策树原理（一）：信息增益与特征选择 —— Java 实现 ID3 算法——别被“黑盒”吓住，一棵树的决策逻辑，应该像 SQL 一样清晰大家好，我是那个总在模型评审会上被问“为什么这个用户被判定为高风险？”、又在 KES 表里逐层验证每条规则的老架构。今天我们要聊一个看似简单、却深刻影响可解释 AI 的基础模型：

数值特征标准化StandardScaler和类别不平衡SMOTE标准差是衡量数据集中数值分散程度或变异程度的一个重要指标，标准差越大，表示数据点越分散；标准差越小，表示数据点越集中（方差是标准差的平方）

知识图谱如何在制造业实际落地应用知识图谱如何在制造业实际落地应用一、制造业知识图谱的核心特点二、典型落地应用场景三、落地实施五步法四、技术栈推荐五、挑战与应对六、未来趋势

高光谱遥感图像异常检测KRX算法Matlab实现KRX（Kernel RX）算法通过核方法将高光谱数据映射到高维特征空间，解决传统RX算法对非线性分布数据的局限性。其核心步骤包括：

山顶望月川

2026-2027中国大模型技术演进与产业应用前瞻神经符号融合架构 2026年，领先的大模型开始深度融合神经网络与符号推理系统。文心一言6.0的“双脑架构”实现了感性理解与理性推理的有机统一，在医疗诊断等需要严谨逻辑的领域表现突出。测试显示，这种架构在复杂数学推理任务中准确率比纯神经网络提升18%。

【AI日报】每日AI最新消息2026-01-28作为资深的 AI 产品经理，从当前的 AI 发展趋势来看，技术创新与产品迭代的速度正在加速，主要体现在几个关键方向：技术发展与迭代持续加速，例如大模型的图像处理、语义理解与推理能力不断提升，推动 AI 从工具转向协作者；效率提升方面，从浏览器优化、AI 差旅功能到智能物流系统，AI 正在大幅提高各个产业的运作效率；创新应用层出不穷，比如 AI 视频生成、图像修图、医疗模型等，显示出 AI 在多领域的广泛适配性与价值。未来，AI 将更深入地与人类工作与生活融合，成为推动社会进步的重要动力。

啵啵鱼爱吃小猫咪

机器人几何雅可比与解析雅可比这篇博客是为了区分机器人里面的几何雅可比与解析雅可比矩阵，以及他们的计算代码。在下面的推导与叙述中我们是以基坐标为参考系。

从线性到非线性——神经网络的原理、训练与可解释性探索“人脑有大约 860 亿个神经元，而现代神经网络可能只有几百万个参数。但我们已经能用它识别图像、翻译语言、生成文本—— 这不是因为网络像大脑，而是因为我们找到了一种通用的函数逼近方式。” ——深度学习的工程哲学

人邮异步社区

自学机器学习的路线是什么呢？自学机器学习的路线需要循序渐进，结合理论学习、实践操作和持续优化，以下是分阶段的学习路线及书籍推荐，适合不同基础的学习者：