机器学习

基于LSTM神经网络的金属材料机器学习本构模型研究(硕士级别)摘要：金属材料在循环载荷下呈现复杂弹塑性行为，传统Chaboche模型参数标定繁琐且泛化能力有限。本文以316L不锈钢为对象，基于Chaboche双背应力模型生成涵盖单调拉伸、对称/非对称循环、递增幅值及随机加载等10条路径的应力-应变数据集，以当前应变与应变增量为输入，构建双层LSTM网络学习本构关系。

phoenix@Capricornus

从贝叶斯决策到最小距离判别法再到Fisher判别分析Bayes准则（最小期望风险）→\rightarrow→Bayes假设检验→\rightarrow→判别分析法→\rightarrow→最小距离判别法→\rightarrow→Fisher判别分析法

论文解读：多模态智能体长期记忆突破：M3-Agent让AI像人一样“看、听、记、想“想象一个场景：你家里有一个机器人管家，每天早上你起床，它递给你一杯咖啡——不用问"要咖啡还是茶？"，因为它记得你过去三个月每天早上的选择。它知道你喜欢黑咖啡、不加糖，知道你周末会晚起半小时，甚至知道你心情不好的时候会多喝一杯。

机器学习算法和函数整理——助力快速查阅0-1 损失函数公式：L(Y,f(x))={1,Y≠f(x)0,Y=f(x)L(Y, f(x)) = \begin{cases} 1, & Y \neq f(x) \\ 0, & Y = f(x) \end{cases}L(Y,f(x))={1,0,Y=f(x)Y=f(x)

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。