机器学习

明月照山海-

机器学习周报三十一本周看了两篇关于场景文本编辑的论文，达到了最新的SoTA的论文，学习到了数据集构建和损失函数构造对模型性能提升至关重要。

袁气满满~_~

机器学习笔记使用有标签的数据集（给定输入X的正确标签Y）来训练模型。算法最终学会在没有输出标签的情况下仅凭输入就能给出相当准确的预测。

过期的秋刀鱼！

机器学习-带正则化的成本函数-在上一节介绍了如何防止模型过拟合，现在就详细的讲一讲其中的一个办法，正则化今天就详细的讲一下从之前的数据集图象（房价预测）

郝学胜-神的一滴

机器学习数据预处理：归一化与sklearn的MinMaxScaler详解在机器学习项目中，数据预处理是构建高效模型的关键步骤！据统计，数据科学家80%的时间都花在数据清洗和预处理上。原始数据往往存在以下问题：

大模型分布式训练通信优化：从Ring All-Reduce到分层压缩的实战演进摘要：本文深度揭秘大模型分布式训练中的通信瓶颈与优化体系。通过Ring All-Reduce的拓扑感知改进、梯度压缩算法（PowerSGD+EF21）的融合实现、以及通信-计算重叠的流水线设计，在千卡集群上训练175B模型时，通信耗时占比从68%降至12%，吞吐量提升4.7倍。提供完整的PyTorch通信原语改造、NCCL调优、分层压缩代码，已在某云厂商大模型平台稳定训练6个月，支持万卡级扩展，单卡有效算力达理论峰值的82%。

基于YOLO11的排水管道缺陷检测与分类系统_2数据预处理模块是排水管道缺陷检测系统的基础环节，负责对原始图像数据进行清洗、增强和标准化处理，以提高模型训练效率和检测准确率。该模块采用多种图像处理技术，包括去噪、增强、归一化和数据增强等，确保输入数据的质量和多样性，为后续的模型训练提供高质量的数据支持。

程序员：钧念

机器学习与深度学习的区别这是一个非常根本且重要的问题。如果不理解这两者的区别，很容易在选型时“杀鸡用牛刀”或者“由于算力不足导致项目失败”。

TRPO-trust region policy optimization论文讲解目录1.Preliminaries1. 把新策略和旧策略的性能差，转化为可计算的、和优势函数相关的形式：

大模型中哪些模型用到的pre-norm和post-norm技术的？我整理好的1000+面试题，请看大模型面试题总结-CSDN博客或者https://gitee.com/lilitom/ai_interview_questions/blob/master/README.md

AAAI 2026 | 时间序列(Time Series) 论文总结[下] (分类，异常检测，基础模型，表示学习，生成)AAAI 2026将在2026年1月20日到1月27日于新加坡（Singapore）举行。AAAI 2026会议主会共有23, 680篇论文投稿，其中4, 167 篇被接收，接收率为17.6%。

第三章：聚类算法目录什么是聚类？第一部分：K-MEANS 算法 —— 简单粗暴的经典1. 核心原理2. 工作流程3. 优缺点分析

大模型领域的核心相关名词解释大模型领域的核心相关名词解释，按基础架构、主流开源模型系列、关键技术组件三大类整理，覆盖岗位中提到的核心概念及大模型基础知识点：

机器学习基础知识西瓜书的核心逻辑是 “模型→策略→算法” 三元组，所有机器学习方法都围绕这个框架展开，同时按假设空间、归纳偏好、监督/无监督/半监督/强化学习的脉络划分。

过期的秋刀鱼！

机器学习-正则化线性回归如上图我们不需要对b进行正则化，w控制着特征的影响强度，W太大会容易让模型对训练数据过于敏感，造成过拟合，而B是偏置项，相当于对所有样本添加了一个固定值，，他的大小对模型的影响很小，不会导致过拟合额，他只影响模型的整体平移

计算机视觉入门到实战系列（十七）基于视觉词袋模型的图像分类算法--视觉词典构建将一张图像看作由许多基本的“视觉单词”组成的“文档”，通过统计这些“视觉单词”出现的频率（即直方图），将图像转化为一个固定长度的数值向量（特征向量）。然后，使用传统的分类器（如SVM）对这些向量进行分类。

【机器学习】05_决策树决策树是一种基于规则进行决策的监督学习方法决策树构建的关键在于如何选择“最优划分属性”。课件讲解了三种经典算法及其度量指标：

知乎的哥廷根数学学派

基于物理引导和不确定性量化的轻量化神经网络机械退化预测算法（Python）算法正在完善中算法正在完善中核心是通过融合物理模型和深度学习进行机械退化轨迹预测和不确定性量化。首先对原始振动信号提取时频域特征，与运行时间、温度等物理变量共同构成输入向量；然后加载预训练的多架构神经网络模型（包括CFC、LTC、TCN、LSTM等），这些模型均集成了物理退化方程的约束项；接着在不同工况（正常/内圈/外圈故障）的轴承数据集上进行性能验证，包括：消融实验（验证物理引导、动态权重等模块的有效性）、域内泛化测试、零样本跨数据集（XJTU-SY）测试、噪声鲁棒性评估（FGSM对抗攻击）以及多种不确

机器学习之心

CEEMD-KPCA-PINN多变量时序光伏功率预测！互补集合经验模态分解+核主成份降维+物理信息神经网络，MATLAB代码互补集合经验模态分解+核主成份降维+物理信息神经网络！CEEMD-KPCA-PINN多变量时序光伏功率预测，MATLAB代码

永远都不秃头的程序员(互关)

【K-Means深度探索（五）】不止欧氏距离：K-Means中距离度量那些事儿亲爱的读者朋友们，欢迎回到我们的“K-Means深度探索”系列！在前几篇文章中，我们从零手撕了 K-Means 算法的核心，学会了 K 值选择、K-Means++ 初始化优化，以及 MiniBatch K-Means 在大数据场景下的应用。你已经掌握了 K-Means 的“骨架”和“肌肉”！