机器学习

机器学习之心

NRBO-SVM分类预测+特征贡献SHAP分析+特征依赖图！机器学习可解释分析，Matlab代码实现在机器学习分类任务中，支持向量机（SVM）是一种性能优异的模型，但其分类精度高度依赖于惩罚参数 c 和核函数参数 g（如RBF核的带宽）。传统网格搜索或随机搜索效率低且难以找到全局最优参数。牛顿-拉夫逊优化算法（Newton-Raphson-Based Optimizer, NRBO）是一种新型元启发式优化算法，模拟牛顿-拉夫逊迭代法的数值寻优思想，具有收敛速度快、全局搜索能力强的特点。将该算法用于SVM参数自动调优，可提升分类模型的准确率与泛化能力。同时，代码引入SHAP（Shapley Additiv

大模型微调技术 LoRA、QLoRA、QA-LoRA 原理原理：在原始预训练模型矩阵旁，插入两个低秩矩阵 A 和 B。训练时，原始模型权重固定不变，只更新这两个小矩阵。通过这种方式，将需要更新的参数量从几十亿降低到几百万。

OpenClaw框架的多Agent协作系统这是一个基于OpenClaw框架的多Agent协作系统，将中国古代的三省六部制度应用于AI团队管理，实现了可观测、可审计、可干预的AI协作流程。

浅谈多模态领域的Transformer本次跟大家简单聊下，从最早的纯视觉单模态模型卷积神经网络（CNN），到多模态视觉模型 Transformer。

学习神经网络一、神经网络概述：人工智能的核心基石（一）神经网络的定义与起源神经网络，全称为人工神经网络（Artificial Neural Network，ANN），是一种模仿生物神经网络（动物大脑神经元网络）的结构和功能，用数学模型构建的非线性自适应信息处理系统。它是深度学习的基础，也是当前人工智能领域实现图像识别、自然语言处理、语音交互等复杂任务的核心技术。

机器学习非线性降维：局部线性嵌入 LLE当数据是卷曲、折叠、扭曲的非线性流形（比如瑞士卷、双月形）时，PCA 这类线性方法完全失效，而 LLE（局部线性嵌入）就是专门用来“展开流形”的经典非线性降维算法。

26_为什么工程上必须使用拉普拉斯变换简单来说：强制性加入拉普拉斯分析，是因为现实工程系统太"笨"，只懂乘除，不懂微积分。或者说，拉普拉斯变换是把复杂的微积分方程变成简单的代数方程的魔法。

scikit-learn Lasso回归算法详解本文介绍 scikit-learn 中的 Lasso 回归算法。Lasso 在线性回归的基础上引入 L1 正则化项，能够在拟合数据的同时将部分特征系数压缩为 0，从而同时实现回归建模与特征选择。本文将结合算法原理、关键参数、代码示例与可视化分析，系统说明 Lasso 的使用方式、系数收缩机制及其适用场景。整体来看，Lasso 适合高维数据和强调解释性的任务，但对特征缩放较为敏感，在强相关特征场景下结果可能不够稳定。

王小义笔记

SFT和RLHF是什么？有什么区别简单来说，SFT（有监督微调）和 RLHF（基于人类反馈的强化学习）是大语言模型（LLM）从“只会预测概率”进化为“懂人话、守规矩”的两个关键阶段。

我的项目复盘，以及踩过的雷点智慧工程安全系统项目开发总结与问题复盘一、项目概述本项目聚焦工程施工场景的安全管理需求，开发了集工人安全检测、零件缺陷检测、安全智慧助手为一体的智慧工程安全系统，依托Python语言、Flask框架搭建前后端交互体系，结合Ultralytics YOLO深度学习模型实现视觉检测功能，同时适配昇腾NPU硬件加速，支持图片/视频文件检测、实时摄像头流检测、报警信息推送、AI智能问答等核心功能，最终通过网页前端实现操作可视化与数据交互。项目旨在通过智能化手段降低工程现场的人员违规风险与零件质量缺陷问题，提升工程

人工智能培训

大模型Prompt实战：精准生成专业技术文档

重绘多孔世界的蓝图：GAN助力多孔材料的数字重构在地质、材料、电化学等领域，针对岩层、骨骼、电池等多孔材料的数字重构具有重要作用，重构质量的优劣会直接影响后续针对多孔材料的介质结构、流体流动行为等方面的分析。

再一次等风来

聚类入门：从基本原理到工程应用在工程问题中，我们经常会遇到这样一种情况：手里有一批数据，但这些数据没有标签。也就是说，我们知道“它们长什么样”，却不知道“它们分别属于哪一类”。

计算机毕业设计：Python二手车数据分析推荐系统 Flask框架 requests爬虫协同过滤推荐算法可视化汽车之家机器学习（建议收藏）✅博主介绍：✌全网粉丝50W+，前互联网大厂软件研发、集结硕博英豪成立软件开发工作室，专注于计算机相关专业项目实战6年之久，累计开发项目作品上万套。凭借丰富的经验与专业实力，已帮助成千上万的学生顺利毕业，选择我们，就是选择放心、选择安心毕业✌ > 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

认知神经科学研究报告【20260004】本报告对改进版推箱对抗任务中的脉冲神经网络（SNN）智能体训练效果进行了全面分析。实验设计剥离了生存需求等低层次动机，专注于研究纯粹的目标导向行为的认知机制。通过神经动力学数据、行为表现和认知科学理论的三重验证，本研究揭示了目标导向行为的独立性、认知资源优化分配机制、稀疏编码的认知优势，同时识别了多智能体协作中的关键认知瓶颈。特别值得注意的是，智能体已发展出基于物理学原理的精细协作策略，如图片所示，黄队通过精确定位实现了最优阻力配置。这一研究不仅为理解人工神经网络的认知能力提供了新的理论框架，更为团队智能

蚁群算法（蚁聚算法）深度解析与 mTSP 实战：物流多车协同配送优化蚂蚁个体行为无序，但群体通过以下 3 个简单规则，能高效找到从巢穴到食物的最短路径：蚂蚁从节点i选择前往节点j的概率，由 “历史信息素” 和 “当前启发信息” 共同决定：

指掀涛澜天下惊

AI 基础知识十三 Transformer注意力机制(Attention)Transformer 的核心是自注意力与多头注意力，让序列每个位置都能动态关注全局相关信息，并行捕捉长程依赖。

基于决策树算法的动物分类实验：Mac环境复现指南[!attention] No Reproduction Without Permission Made By Hanbin Yi

BiB | 蒋超实验室开发 Kun-peng(鲲鹏)：实现可扩展且准确的泛域宏基因组分类Kun-peng(鲲鹏)实现可扩展且准确的泛域宏基因组分类研究论文● 期刊：Briefings in Bioinformatics(IF:7.7)