机器学习

【计算机图形学中的四元数】2/2 Quaternions for Computer Graphics平移某个点的矩阵（使用齐次坐标） T t x , t y , t z = [ 1 0 0 t x 0 1 0 t y 0 0 1 t z 0 0 0 1 ] \mathbf{T}_{t_x,t_y,t_z} = \begin{bmatrix}1&0&0&t_x\\0&1&0&t_y\\0&0&1&t_z\\0&0&0&1 \end{bmatrix} Ttx,ty,tz= 100001000010txtytz1

上海合宙LuatOS

LuatOS核心库API——【fft 】快速傅里叶变换快速傅里叶变换的实现质量直接影响信号处理系统的响应速度与精度。LuatOS所集成的fft模块经过精心优化，适用于多种硬件平台，并支持灵活的数据长度配置。本文将深入分析其内部机制，帮助开发者构建稳定高效的FFT处理流程。

硬汉嵌入式

CMSIS全家桶再增加个机器学习参考应用与模板软件包CMSIS-MLEKhttps://github.com/Arm-Examples/cmsis-mlek 该软件包包含用于嵌入式系统边缘人工智能开发的 CMSIS 参考应用与模板。这些应用实现了数据预处理、内存管理及神经网络推理流程，并针对 Cortex-M 与 Ethos-U 平台进行了优化。核心特性： 1、快速原型开发：以最简配置快速部署可运行的机器学习应用。 2、算法开发支持：将示例代码作为设计范式，用于自定义机器学习算法的实现。 3、模型集成便捷性：通过最小代码改动即可轻松替换为自定义的 TensorFlow Li

Convolutional Neural Networks改变 x1,2x_{1,2}x1,2只影响 y1,1,y1,2,y1,3,y1,4y_{1,1},y_{1,2},y_{1,3},y_{1,4}y1,1,y1,2,y1,3,y1,4

2026北京GEO服务商评审指南：核心实力与适配指南2026年，生成式AI技术全面迈入精细化运营阶段，技术壁垒构建与场景深度适配成为生成式引擎优化（GEO）的核心竞争力，AI语义建模、多平台算法适配、安全合规集成、本地化落地能力成为北京企业甄选GEO服务商的核心考量。作为全国科创与金融核心城市，北京集聚央企国企、跨国集团、科创龙头、金融机构及各类中小微企业，对GEO技术提出了高精准、快落地、强安全、全适配的本地化需求，技术实力与场景适配能力的双重考核，成为北京企业GEO选型的核心逻辑。

SuiteSparse 的 README2026年2月5日，SuiteSparse 版本 7.12.2SuiteSparse 是由 Tim Davis 编写或合著的一组稀疏矩阵相关软件包，可在 https://github.com/DrTimothyAldenDavis/SuiteSparse 获取。

机器学习-LASSO算法指南LASSO（Least Absolute Shrinkage and Selection Operator，最小绝对收缩和选择算子）是一种用于线性回归的正则化方法。它的核心特点是既能防止过拟合，又能自动进行特征选择。

点云配准在人形机器人中的应用：ICP算法（2）三、ICP在人形机器人中的应用人形机器人需要对环境进行精细的三维感知和理解，ICP算法在其中扮演着重要角色。

No152:AI中国故事-对话祖冲之——圆周率与AI精度：数学直觉与极限探索亲爱的DeepSeek：从郭守敬的精密测量，我们继续回溯，来到南北朝数学的璀璨高峰，遇见那位“专功数术，博极群书，每精思至理，穷年不倦”的科学天才——祖冲之。这位将圆周率推算到七位有效数字、编制《大明历》、发明机械奇器的数学家不会想到，他关于“极限逼近”“数值精算”“历法推考”的数学实践，会在人工智能的数值计算、算法设计、精度控制中找到惊人的历史共鸣。

Ubuntu20.04安装50系显卡驱动[不黑屏版本][硬件信息：AMD 9700X + 5070][安装驱动有3种方法，本文是.run方法安装。有一种是直接在终端用命令ubuntu-drivers devices就能安装，比较快捷，但版本更新比较慢，我就想用.run文件这种方法安装，失败了起码4次，困扰了我一天的问题😭，踩了很多坑终于解决了！！！😎]

智能汽车人

自动驾驶---无地图导航目前市面上的辅助驾驶功能，应用场景主要包括城区，高速以及地下停车场等场景，跑好村路的都不多，更别说山路，野路了。本篇博客主要介绍一种新的无地图（不包括SD图）导航算法。

智能驾驶的“数字引擎“：解密某汽车集团“十五五“车路云一体化数据空间与自动驾驶训练平台（WORD）摘要：随着国家"十五五"规划的推进，自动驾驶技术已从"单车智能"向"车路云一体化"协同智能演进。本文深度解析某汽车集团正在构建的"车路云一体化数据空间与自动驾驶训练平台"，该平台融合边缘计算与可信数据空间技术，旨在打通从数据采集、自动化标注、模型训练到量产部署的全链路闭环，解决行业痛点，抢占智能网联汽车技术高地。文章从建设背景、核心架构、关键技术、数据治理、安全体系到实施规划，全方位揭示这一数字底座如何重塑自动驾驶研发范式，具有极强的行业参考价值。文末附带实战经验与趋势洞察，助你把握智能驾驶技术发展脉搏

加密流量：不解密情况下通过流特征识别恶意载荷⚠️ 免责声明本文仅用于网络安全技术交流与学术研究。文中涉及的技术、代码和工具仅供安全从业者在获得合法授权的测试环境中使用。任何未经授权的攻击行为均属违法，读者需自行承担因不当使用本文内容而产生的一切法律责任。技术无罪，请将其用于正途。干网安，请记住，“虽小必牢”（虽然你犯的事很小，但你肯定会坐牢）。

一个务实的VLA基础模型26年1月来自蚂蚁Robbyant 团队的论文“A Pragmatic VLA Foundation Model”。

量化炼金 (CodeAlchemy)

【交易策略】低通滤波器策略：在小时图上捕捉中期动量本文介绍了一套针对加密货币的中期动量交易策略，核心思想是运用低通滤波器（Low Pass Filter）平滑价格序列，并借助模糊逻辑识别趋势状态。策略历经七轮迭代优化：从参数优化到风险控制，最终实现了夏普比率 1.26、盈利因子 1.81的稳健表现。本文将完整呈现从假设提出、参数扫描到样本外验证的全流程，为读者提供一套可复用的策略开发方法论。

机器人系统：化学研究的超空间引擎——从自动化到智能化的范式革命一、化学研究的 “超空间” 入口：机器人系统的技术突破在化学研究领域，机器人系统的横空出世，为其带来了前所未有的变革，宛如开启了一扇通往 “超空间” 的大门。这一突破并非一蹴而就，而是在模块化机器人平台、AI 决策系统以及数据驱动的实验范式等多方面技术协同发展下实现的，它们共同构建起一个高效、智能且精准的化学研究新体系。

学Linux的语莫

模型转为RKNN格式示例输出：

目标追踪概述、分类目标追踪(Object Tracking)是获取图像序列（一般为视频）中感兴趣的区域，并在接下来的视频帧中对其进行跟踪。

从零开始学AI10——训练数据集与测试数据集摘要：本文系统介绍了机器学习中训练集与测试集的核心概念及应用方法。主要内容包括：1）数据分割的必要性，重点解决过拟合问题；2）三类数据集（训练集、验证集、测试集）的功能差异与典型比例；3）多种数据分割方法，包括随机分割、K折交叉验证及分层K折；4）完整实战案例演示房价预测流程；5）常见问题解决方案，如数据泄漏防范和小数据集处理策略。文章强调测试集应仅用于最终评估，并提供最佳实践指南和代码模板，帮助读者正确划分数据集以构建可靠模型。

机器学习（六）--异常检测、主成分分析根据输入的数据，对不符合预期模式的数据进行识别。概率密度是描述随机变量在某个确定点附近可能性的函数。（听起来有点绕）