机器学习

kishu_iOS&AI37 分钟前
人工智能·机器学习·线性回归
机器学习 —— 线性回归线性回归 可以理解为 数学里面的 一元二次方程根据已有的数据绘制拟合回归线如: y = kx + b数学里面 :k 是斜率 ,b 是截距
人机与认知实验室1 小时前
人工智能·深度学习·神经网络·机器学习
神经网络、数学、理性思维真能实现通用智能吗?一、神经网络真能实现通用智能吗?这是一个非常深刻且在科学界争论不休的问题。简单直接的回答是:仅靠目前的神经网络技术,很难实现真正的通用智能(AGI),它更像是通往AGI拼图中至关重要但并非唯一的一块。 虽然神经网络(特别是深度学习)在图像识别、语言生成等领域取得了惊人的成就,但要达到像人类一样具备跨领域推理、常识理解和自主学习的“通用智能”,目前面临着巨大的理论瓶颈。 我们可以从以下几个维度来拆解这个复杂的命题: 🚧 1. 现状:它是“专用智能”的王者,却是“通用智能”的跛脚者
CS创新实验室2 小时前
人工智能·机器学习·aigc·harness
AI 领域的 Harness Engineering:概念、实践与前景综述2026 年初,AI 领域迎来了一场悄然却深刻的范式转变。随着大语言模型(LLM)能力快速逼近"通用智能"的门槛,一个令人尴尬的事实浮出水面:模型本身不再是瓶颈,如何让模型在真实生产环境中可靠工作才是。
Gary jie2 小时前
人工智能·深度学习·opencv·目标检测·机器学习·长短时记忆网络
OpenClaw4月更新的梦境记忆巩固系统一篇涵盖 AI 助手能力、记忆系统、手机远程访问、Windows 权限与系统目录的实战指南受人类睡眠记忆巩固理论的启发:
枫叶林FYL2 小时前
人工智能·机器学习
第1章 具身智能的本质与哲学基础目录1.1 具身智能的定义与范畴1.1.1 具身性假设的历史演进1.1.1.1 从笛卡尔身心二元论到具身认知革命
格林威4 小时前
开发语言·人工智能·数码相机·机器学习·计算机视觉·视觉检测·工业相机
GigE Vision 多相机同步终极检查清单(可直接用于项目部署)✅ 打印此清单,可以在现场逐项核对,避免 90% 的同步问题!
wenjingdadi4 小时前
人工智能·yolo·机器学习
自学小模型day2——YOLO模型的输出指标是 results.csv的 图形化文件 体现出训练集和真值效果,以及模型泛化能力 代表的是每一轮对数据集标定与验证的结果
DeepModel4 小时前
人工智能·机器学习
机器学习降维与信号分离:独立成分分析 ICAICA(Independent Component Analysis,独立成分分析)是专门用来“拆信号”的降维算法。它最经典的场景就是鸡尾酒会问题:在嘈杂房间里,多人同时说话,ICA 能把每个人的声音从混合录音里拆出来。
枫叶林FYL5 小时前
人工智能·机器学习
【自然语言处理 NLP】前沿架构与多模态 状态空间模型(Mamba/SSM)深度实现目录编辑6 非Transformer架构6.1 状态空间模型(Mamba/SSM)深度实现6.1.1 连续状态空间模型(S4)的离散化
Gary jie5 小时前
人工智能·机器学习·架构·openclaw
AI上下文管理与记忆架构详解深入解析大语言模型的上下文限制、记忆系统设计原理,以及 OpenClaw 的工程实践“上下文有限制,怎么可以全部读取?”
沅_Yuan5 小时前
神经网络·机器学习·matlab·回归·回归预测·贝叶斯优化
基于贝叶斯优化的稀疏高斯过程回归(BO-SGPR)多输入单输出回归模型【MATLAB】在处理复杂的非线性回归、小样本学习以及带有不确定性量化的预测任务时,高斯过程回归(Gaussian Process Regression, GPR) 因其强大的理论基础和概率预测能力而备受青睐。然而,传统GPR的计算复杂度随样本量的立方呈指数级增加(O(N3)\mathcal{O}(N^3)O(N3)),这使得它在处理大规模数据集时往往面临计算耗时、内存溢出等挑战。
FluxMelodySun6 小时前
人工智能·算法·机器学习
机器学习(二十九) 稀疏表示与字典学习(LASSO算法、KSVD算法、奇异值分解)特征选择考虑的问题是特征具有"稀疏性",即矩阵中的许多列与当前学习任务无关,通过特征选择去除这些列,模型的训练过程仅需在较小的矩阵上进行,学习任务的难度会有所降低,涉及的计算和存储开销会减少,学得模型的可解释性也会提高,因为模型所建立的"输入-输出"关系会更清晰。
gongfuyd6 小时前
机器学习
强化学习中的奖励、回报、状态值以及贝尔曼方程关系:状态值 = 对未来所有奖励的折扣和的期望智能体在时刻 t 执行动作后,立刻得到的单个数值反馈。特点:
郝学胜-神的一滴6 小时前
人工智能·pytorch·python·深度学习·算法·机器学习
自动微分实战:梯度下降的迭代实现与梯度清零核心解析在深度学习的参数优化中,梯度下降是最基础也最核心的算法,而自动微分则是高效计算梯度的关键手段。从手动推导梯度到代码层面的迭代更新,从梯度累加的坑到梯度清零的实操,每一个细节都决定着参数优化的成败。今天我们就从实战角度,拆解基于PyTorch的自动微分实现,手把手搞定梯度下降的完整流程,理解梯度清零的底层逻辑,让参数更新更精准!
HyperAI超神经6 小时前
人工智能·深度学习·学习·机器学习·gpu·tvm·vllm
【TVM教程】理解 Relax 抽象层TVM 现已更新到 0.21.0 版本,TVM 中文文档已经和新版本对齐。Apache TVM 是一个深度的深度学习编译框架,适用于 CPU、GPU 和各种机器学习加速芯片。
网路末端遗传因子7 小时前
算法·机器学习·细胞培养·生物培养基开发
CHO细胞培养中高乳酸与低产量的模式识别与分析Process Variability Source Analysis for a Multi-step Bio-process
falldeep7 小时前
人工智能·机器学习
五分钟快速了解DPODPO (Direct Preference Optimization,直接偏好优化) 是由斯坦福大学研究团队提出的一种用于微调大语言模型(LLM)的算法。它的核心贡献在于:绕过了传统 RLHF(基于人类反馈的强化学习)中复杂的奖励模型(Reward Model)训练和强化学习(PPO)阶段,直接在偏好数据上优化模型。
猪腰子正7 小时前
人工智能·机器学习
机器学习实践-01数据准备流程其中,数据探索及预处理就像做饭前的洗菜切菜工作。下列是较为详细的过程。导入核心工具库,包括numpy(数值、矩阵运算)、pandas(处理表格数据)、sklearn(机器学习各种方法)、matplotlib(任何图)、seaborn(好看的统计图表,Matplotlib的升级、美化版)等。
Zero7 小时前
机器学习·线性回归·概率论·统计学
机器学习概率论与统计学--(13)线性回归线性回归是统计学和机器学习中最基础、最常用的预测模型。它研究一个或多个自变量(预测变量)与一个连续因变量之间的线性关系。本讲将深入探讨线性回归的模型假设、参数估计(最小二乘法与最大似然估计的等价性)、显著性检验(t检验与F检验)、模型诊断(残差分析、异常值检测)、拟合优度(R²与调整R²)以及多重共线性的识别与处理。
Zero8 小时前
机器学习·概率论·统计学
机器学习概率论与统计学--(12)假设检验假设检验是统计推断的另一大支柱。它提供了一套规范的流程,用于根据样本数据对关于总体的某个陈述(假设)做出拒绝或不拒绝的决策。本讲将从基本概念出发,介绍假设检验的框架、两类错误、常见参数检验方法(t检验、方差分析)以及非参数检验(卡方检验),最后讨论p值的局限。