机器学习

哈尔滨工业大学DeepSeek公开课：探索大模型原理、技术与应用从GPT到DeepSeek｜附视频与讲义下载方法导读INTRODUCTION2月28日，哈尔滨工业大学举办了“大模型原理、技术与应用——从GPT到DeepSeek”主题讲座，邀请哈工大人工智能研究院副院长、计算学部赛尔实验室副主任车万翔教授作为主讲嘉宾，500余名师生代表现场听取报告，超5万人次线上直播观看。该讲座在哈尔滨工业大学B站视频号的播放量累计达14万，抖音平台点赞加收藏近40万。

向上的车轮

NOA是什么？国内自动驾驶技术的现状是怎么样的？汽车的NOA指的是“Navigate on Autopilot”，即导航辅助驾驶或领航辅助驾驶。这是一种高级驾驶辅助系统（ADAS）的功能，它允许车辆在设定好起点和终点后，自动完成行驶、超车、变道、拐弯等操作，尤其是在高速公路和城市道路上。NOA功能主要依靠车辆上的传感器（如摄像头、雷达）、高精度地图和导航系统来实现对周围环境的感知，并通过复杂的算法来做出相应的驾驶决策。

浙江大学朱霖潮研究员：《人工智能重塑科学与工程研究》以蛋白质结构预测为例｜附PPT下载方法导读INTRODUCTION在当今科技飞速发展的时代，人工智能（AI）不仅改变了我们的日常生活，还在科学与工程研究中展现出前所未有的潜力。浙江大学朱霖潮研究员：《人工智能重塑科学与工程研究》报告将深入探讨AI如何重塑科学研究的方法论，并以蛋白质结构预测为例，展示AI在这一领域的具体应用和显著成果。

人工干智能

科普：One-Class SVM和SVDDSVM（支持向量机）算法是用于解决二分类问题的，它在样本空间（高维空间）中找一个最优超平面，使得两类数据点中离超平面最近的点（称为支持向量）到超平面的距离最大。对于极少数“坏样本”的二分类场景，我们可以换个思路：将所有样本视为一类（而不是二类），而将极少数“坏样本”视为这一类的异常。这样，用于二分类的SVM就可以改造为用于一分类的One-Class SVM和SVDD。 One-Class SVM（单类支持向量机）与SVDD（支持向量数据描述）是单类分类领域的两大核心算法，它们的目标均为通过仅使用目标类样

预测分析（三）：基于机器学习的分类预测分类问题主要是分为三种类型：我们在这一章的核心任务就是预测的分类：在模型输出每种类别的情况下，分类依据是最高概率的类别预测。这是默认的，但是在特定的问题情境中，也会随之改变。

LangChain 入门到精通在当今人工智能快速发展的时代，自然语言处理（NLP）技术取得了显著的进步。大语言模型（LLMs）如 GPT - 3、GPT - 4、LLaMA 等的出现，极大地推动了自然语言处理任务的发展，它们能够生成高质量的文本、回答各种问题、进行文本摘要等。然而，直接使用这些大语言模型在实际应用中往往存在一些挑战，例如如何将大语言模型与外部数据源集成、如何管理和组织复杂的交互流程、如何实现多步骤的推理等。

3D-DIC与机器学习协同模拟材料应力-应变本构行为研究“人工神经网络具有较强的非线性拟合能力，是一种可以从数据中学习并进行预测的强大手段。最近，机器学习方法被用于研究各种力学问题，例如通过图像的像素处理，通过训练和验证来预测材料的弹性常数。

无需预对齐即可消除批次效应，东京大学团队开发深度学习框架STAIG，揭示肿瘤微环境中的详细基因信息生物组织是由多种类型细胞构成的复杂网络，这些细胞通过特定的空间配置执行重要功能。近年来，10x Visium、Slide-seq、Stereo-seq 和 STARmap 等空间转录组学 (ST) 技术的进步，使得生物学家们能够在空间结构内绘制基因数据，从而各类疾病提供更深入的见解。

【vLLM 学习】调试技巧vLLM 是一款专为大语言模型推理加速而设计的框架，实现了 KV 缓存内存几乎零浪费，解决了内存管理瓶颈问题。

呵呵哒(￣▽￣)"

线性代数：同解（1）例题1：如何证明行列式等于0：用秩来做：

裴蜀定理：整数解的奥秘在数学的世界里，裴蜀定理（Bézout’s Theorem）是数论中一个非常重要的定理，它揭示了二次方程和整数解之间的关系。它不仅仅是纯粹的理论知识，还在计算机科学、密码学、算法优化等多个领域中得到了广泛的应用。

不平衡样本数据的救星：数据再分配策略在机器学习领域，数据是模型训练的基础，而数据的分布情况往往会对模型的性能产生重要影响。不平衡样本数据是我们在实际项目中经常会遇到的问题，它可能导致模型对多数类过度拟合，而对少数类的预测能力不足。

机器学习-聚类分析算法聚类分析是一种无监督学习的统计分析方法。它的主要目的是将一个数据集中的样本（或观测值）按照某种相似性或距离度量划分成若干个类别（簇）。在聚类过程中，同一个簇内的样本具有较高的相似性，而不同簇之间的样本相似性较低。例如，在市场细分中，企业可以利用聚类分析将消费者划分为不同的群体，每个群体内的消费者在消费习惯、偏好等方面相似，而不同群体之间存在明显差异。

荷包蛋蛋怪

【北京化工大学】神经网络与深度学习实验6 MATAR图像分类本次实验使用老师发的雷达奇妙数据1、划分数据集为test/train2、归一化注：本次老师的要求是不限方法，使用pytorch尽可能提升精度

AI可解释性 II | Saliency Maps-based 归因方法（Attribution）论文导读（持续更新）本文作为AI可解释性系列的第二部分，旨在以汉语整理并阅读归因方法（Attribution）相关的论文，并持续更新。

蹦蹦跳跳真可爱589

Python----机器学习（KNN：使用数学方法实现KNN）以下是K最近邻（K-Nearest Neighbors，简称KNN）算法的基本流程，用于对给定点进行分类预测。

云和数据.ChenGuang

机器学习之回归算法《数据挖掘技术与应用》【实验名称】实验：回归算法【实验目的】 1.了解回归算法理论基础 2.平台实现算法 3. 编程实现分类算法【实验原理】线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。【实验环境】 OS：Ubuntu16.04 PyCharm： 2017.3 Mining 【实验步骤】

聚类（Clustering）基础知识2知识回顾问题描述给定 N N N个样本点 X = { x i } i = 1 N X = \{x_i\}_{i=1}^N X={xi}i=1N进行聚类。输入

闭环SOTA！北航DiffAD：基于扩散模型实现端到端自动驾驶「多任务闭环统一」端到端自动驾驶目前是有望实现完全自动驾驶的一条有前景的途径。然而，现有的端到端自动驾驶系统通常采用主干网络与多任务头结合的方式，但是它们存在任务协调和系统复杂度高的问题。为此，本文提出了DiffAD，它统一了各种驾驶目标并且联合优化所有驾驶任务。实验结果证明了该方法的优越性。

机器学习ML极简指南机器学习是现代AI的核心，从推荐系统到自动驾驶，无处不在。但每个智能应用背后，都离不开那些奠基性的模型。本文用最简练的方式拆解核心机器学习模型，助你面试时对答如流，稳如老G。