机器学习

梯度下降中17 分钟前
人工智能·机器学习
Softmax与交叉熵手撕softmax函数在实际工程中常常和交叉熵一起使用,同时也因为写起来比较简单,可以作为面试手撕题目之一。
八角Z1 小时前
人工智能·机器学习·服务发现·音视频
AI短视频创作实战心得:从玩具到生产力工具亲测主要工具:Kling 3.0(主力)、Veo 3.1、Runway Gen-4.5、即梦AI + 自动化工作流(AI Short Video Factory / GitHub开源链路 + OpenClaw skill集成) 主要内容类型:家居装修前后对比、知识卡片、虚拟人物口播带货、情感鸡汤短剧片段、宠物拟人搞笑对话
放下华子我只抽RuiKe52 小时前
大数据·人工智能·深度学习·elasticsearch·机器学习·搜索引擎·全文检索
AI大模型开发-实战精讲:从零构建 RFM 会员价值模型(再进阶版:模拟数据 + 动态打分 + 策略落地)欢迎来到 RFM 模型再进阶版 教程。在这个版本中,我们不再满足于简单的“跑通代码”,而是要深入理解数据生成的逻辑、动态打分的数学原理以及如何将数据转化为商业决策。
V搜xhliang02463 小时前
人工智能·深度学习·机器学习·语言模型·自然语言处理
世界模型、强化学习PPOSAC世界模型和强化学习(特别是PPO和SAC算法)共同构成了让智能体在想象中预演、在交互中进化的核心能力。 如果说VLA是机器人的"大脑",那么世界模型就是大脑中构建的"虚拟现实沙盘",而强化学习(PPO/SAC) 则是让机器人在这个沙盘中自主学习的"训练法则"。下面我们来逐一拆解。 🌍 世界模型:在想象中预演未来的"虚拟现实沙盘" 世界模型的核心思想是让智能体在学习如何行动之前,先学习世界是如何运转的。它通过观察大量数据(如视频),尝试理解环境的动态规律,从而能够"想象"出不同动作可能导致的结果。
Σίσυφος19005 小时前
人工智能·机器学习·聚类
PCL聚类 之区域生长目标:根据点云的局部连续性,将点云分成若干簇(cluster)。不仅考虑 欧式距离,还考虑 法向一致性 或 曲率平滑性。
人工智能培训6 小时前
人工智能·机器学习·知识图谱·数字孪生·具身智能·企业ai培训
具身智能的应用场景及实践案例具身智能是基于物理身体进行感知与行动的智能系统,核心是通过“感知—计算—执行”的闭环,实现与物理世界的深度交互,具备自主学习、适应复杂环境的能力,其应用已从实验室走向现实,渗透到工业、医疗、家庭、服务等多个核心领域,成为推动各行业智能化升级的重要力量,以下结合具体实践案例详细解析其应用场景。
南滑散修7 小时前
人工智能·机器学习
机器学习数学基础(公式版)机器学习的本质,是让计算机从数据中学习规律,再用规律预测新数据。如果把机器学习比作“做饭”,模型是“厨具”,算法是“菜谱”,那数据就是“食材”——再好的厨具和菜谱,用了不新鲜、不干净、搭配混乱的食材,也做不出好菜。 今天就用最通俗的语言,把机器学习的核心数据基础讲透,从数据的本质、分类,到预处理的关键步骤、常见坑,新手也能轻松看懂,少走半年弯路。
无心水7 小时前
人工智能·分布式·算法·决策树·机器学习·架构·2025博客之星
【任务调度:框架】10、2026最新!分布式任务调度选型决策树:再也不纠结选哪个技术选型一时爽,维护升级火葬场。这份万字选型指南 + 决策树,帮你一次选对,告别加班。在分布式系统大行其道的今天,定时任务早已不是简单的 cron 表达式能覆盖的场景。随着业务复杂度的提升,任务调度面临着高并发、海量数据、复杂依赖、跨语言、云原生等多重挑战。选错一个调度框架,轻则性能瓶颈、维护困难,重则引发生产故障、团队加班不断。
小蜗牛~向前冲7 小时前
人工智能·python·神经网络·学习·机器学习·embedding
大模型学习系列-Embedding与向量数据库前言作者:小蜗牛向前冲名言:我可以接受失败,但我不能接受放弃如果觉的博主的文章还不错的话,还请点赞,收藏,关注👀支持博主。如果发现有问题的地方欢迎❀大家在评论区指正
xixixi777777 小时前
人工智能·安全·机器学习·信息安全·大模型
2026网络安全新战场:AI对抗、勒索软件升级与防御实战今年2月,安全研究人员披露了一起针对开源AI模型库的供应链攻击。攻击者在热门模型(如某个LLM的微调版本)中植入了后门,当开发者下载使用该模型处理特定触发词时,模型会输出恶意指令或泄露内存数据。这一事件警示我们:AI模型本身已成为攻击面,模型验证和完整性校验变得至关重要。
Alsian8 小时前
人工智能·深度学习·机器学习
Day 42 通道注意力@浙大疏锦行是最常用、最简单、效果最好的通道注意力。
大连好光景8 小时前
深度学习·机器学习
不同任务场景下的模型选择我的背景:我目前所知道名字的有很多模型,如: 1.线性模型与广义线性模型:线性回归、逻辑回归、线性SVM(支持向量机)、感知机。 2.基于距离的模型:K近邻(KNN)、K-Means聚类、层次聚类。 3.神经网络与深度学习:多层感知机(MLP)、卷积神经网络(CNN)、循环神经网络(RNN)。 4.主成分分析(PCA) 5.正则化模型:Lasso回归、Ridge回归、弹性网络。 6.树模型:决策树、随机森林、梯度提升树(GBDT、XGBoost、LightGBM、CatBoost)。 7.朴素贝叶斯 8.
lisw0510 小时前
人工智能·深度学习·机器学习
当前AI科学基本问题的梳理与评价!当前AI科学的基本问题主要围绕智能的本质、系统的能力边界、以及技术的社会影响展开。以下是核心问题的梳理与评价:
骇客野人10 小时前
人工智能·算法·机器学习
机器学习线性回归算法是入门机器学习理解人工智能模型很好示例线性回归是通过一个或多个自变量与因变量之间进行建模的回归分析,其特点为一个或多个称为回归系数的模型参数的线性组合。如下图所示,样本点为历史数据,回归曲线要能最贴切的模拟样本点的趋势,将误差降到最小。
aiguangyuan10 小时前
人工智能·python·机器学习·nlp
多模态AI实战:CLIP模型原理与代码深度剖析CLIP 是OpenAI于2021年发布的多模态预训练模型,它通过4亿张图像及其文本描述进行对比学习,将图像和文本映射到同一个特征空间。CLIP的出现彻底改变了计算机视觉领域,它使得零样本分类、跨模态检索等任务成为可能,无需针对特定任务进行微调即可直接应用。
Monday学长10 小时前
人工智能·机器学习·ai写作
2026跨学科AI写作工具选购指南:破解学术写作痛点,赋能人文社科与理工医全流程2026跨学科AI写作工具选购指南:破解学术写作痛点,赋能人文社科与理工医全流程 ——基于中文环境的工具实测与场景化推荐
嫂子开门我是_我哥11 小时前
人工智能·算法·机器学习
心电域泛化研究从0入门系列 | 第四篇:域泛化核心理论与主流方法——破解心电AI跨域失效难题走到第四篇,我们已经完成了心电域泛化研究的全套前期铺垫:第一篇吃透心电信号的生理本质、波形特征与域偏移的源头,搞懂了研究的底层数据载体;第二篇掌握了域泛化专属预处理流程,通过统一格式、剔除噪声,从数据层面弱化域间差异,守住了实验的第一道底线;第三篇明确了域的核心定义、经典多源数据集选型、留一域验证的金标准评估规则,理清了“用什么数据练、怎么划分训练测试、怎么衡量效果”的实验逻辑。
乾元11 小时前
网络·人工智能·神经网络·安全·web安全·机器学习·安全架构
算力优化: 在有限硬件资源下进行安全模型微调(Fine-tuning)大家好,在经历了前面四十多篇的连载后,我们的《硅基之盾》系列终于啃到了大模型底层架构最硬的一块骨头。在前几期的文章中,我们详细探讨了如何用 RAG 给模型外挂“知识库”,如何用 Agent 赋予模型“手脚”去执行自动化安全动作。但很多朋友在实操后发现,遇到极其复杂的底层安全场景时,模型有时候依然像个“外行”。这其实是因为我们还没有真正触及并改变模型大脑底层的神经元。今天这篇,我们就来聊聊,在算力资源极其受限(甚至只有几张老旧游戏显卡)的情况下,如何硬核地给大模型做一场“开颅微调手术”。
Daydream.V12 小时前
人工智能·机器学习
机器学习之词向量转换评论——附实例项目在自然语言处理的世界里,如何让计算机 “读懂” 人类语言一直是核心难题,而词向量转换正是破解这一难题的关键钥匙。词向量转换的本质,是将文本中离散的词语转化为连续的数值向量。这一步看似简单,却实现了从 “机器无法理解的文字” 到 “可计算的数字” 的跨越,为后续的文本分类、情感分析、机器翻译等任务铺平了道路。
别或许11 小时前
线性代数·算法·机器学习
03线性代数之向量组(知识总结)n个数构成的有序数组,分为行向量和列向量。内积 记作 这里的a是列向量正交 当 = 0 时,称a,b是正交向量