机器学习

臭东西的学习笔记

论文学习——机器学习引导的蛋白质工程基于决策变量分类的动态多目标优化算法（Petr Kouba,# Pavel Kohout,# Faraneh Haddadi,# Anton Bushuiev, Raman Samusevich, Jiri Sedlar, Jiri Damborsky, Tomas Pluskal,* Josef Sivic,* and Stanislav Mazurenko*）

SE Block(Squeeze and Excitation Block)SE Block本名Squeeze and Excitation Block，是JieHu等人在2019年提出来的一种通道注意力机制模块。它主要的核心就是让神经网络自己关注比较重要的通道，并且抑制不重要的通道

6.频谱分析和时谱分析去趋势就是移除超低频从V^2/Hz到dB的转换公式为：其中，参考值必须明确。如果没有特别说明，有时默认参考值为1（单位同功率谱密度单位）。

霸王色霸气的本质概括分析《海贼王》中的霸王色霸气作为一项独特的超自然能力，常被描述为"气势的具象化"，尤其红发香克斯的霸王色被赋予了突破常规的物理破坏能力。本文将从动漫设定与现实物理两个维度，剖析霸王色霸气的本质特性、红发的特殊表现及其合理性。通过分析脑电波与物理破坏的关联性、共振效应的科学原理，以及意识控制的生理机制，探讨这一超自然能力在特定条件下如何实现其表现效果。

LlamaIndex数据准备 + Hugging Face模型微调 + LlamaIndex RAG集成实现企业产品知识库微调安装依赖：工具版本说明：llama-index==0.10.28（数据准备+RAG集成）sentence-transformers==2.2.2（基础Embedding模型）

【机器学习】——房屋销售价格预测实战本文介绍了房屋销售价格预测的机器学习实战。首先阐述了房屋销售价格预测的背景，包括目标变量SalePrice和众多影响房屋价值的特征，如地块与分区特征、社区位置、房屋建筑特征等。接着进行了数据处理，包括特征变量数据分布分析和变量特征处理。之后进行了模型训练与测试数据切分，选择了随机森林模型进行训练和预测，并对模型进行了评价。

张祥前统一场论的数学表述与概念梳理：从几何公设到统一场方程本文对张祥前统一场论的核心概念和数学表述进行了系统性梳理与严格形式化。从该理论的几何公设出发，我们推导出时空同一化方程和圆柱螺旋运动方程，通过矢量分析和场论方法，导出了质量、电荷、场等基本物理量的几何定义，以及统一动量方程、统一力方程等核心动力学方程。本文构建了统一场论的完整数学形式体系，验证了其与现有物理定律（如光速不变原理、质速关系、能量动量关系）的兼容性，并讨论了与广义相对论、量子场论等现有理论的融合路径。通过修正核心模块的数学推导，本文解决了理论中存在的旋度计算错误、场量纲不一致、统一力方程分量拆

方差和标准差标准差是衡量一组数据离散程度或波动大小的最常用、最重要的指标。它描述的是数据点相对于其平均值的平均偏离距离。

努力毕业的小土博^_^

【AI课程领学】第十二课 · 超参数设定与网络训练（课时1）网络超参数设定：从“要调什么”到“怎么系统地调”（含 PyTorch 可复用模板）【AI课程领学】第十二课 · 超参数设定与网络训练（课时1）网络超参数设定：从“要调什么”到“怎么系统地调”（含 PyTorch 可复用模板）

模式识别与机器学习复习笔记（下-深度学习篇）本文是国科大《模式识别与机器学习》课程的简要复习，基于课件然后让ai帮忙补充了一些解释。本文是第十三章，是最后一章。本文章更多是对于课件的知识点的记录总结，找了点例题和讲解，建议结合其他资料或者课件来看。

张祥642288904

误差理论与测量平差基础笔记八附有参数的条件平差是条件平差与间接平差的结合，它解决了一类特殊的平差问题：观测值之间存在条件约束，同时又有一些未知参数需要估计。

数字孪生应用于特种设备领域的技术难点数字孪生应用于特种设备领域的技术难点一、数据采集与感知层的难点二、建模与仿真层的难点三、系统集成与实时性难点四、安全、合规与运维难点五、应对策略与发展方向典型应用场景示例:

Fundamentals in ML图中前面的 (b1,b2b_1, b_2b1,b2) 表示批次维度（batch dimensions），也就是“有多少个矩阵同时在做乘法”。在 batched matrix multiplication 中，最后两维 (n,m) 与 (m,p) 按普通矩阵乘法规则相乘，而前面所有维度（这里是 b1,b2b_1, b_2b1,b2）并不参与数值运算，只用于索引不同的矩阵批次；它们必须相等或满足广播规则，结果中这些维度会被原样保留下来.

游戏化机器人数据采集：以Franka Research 3为核心的RoboCade创新实践在当今的机器人研究领域，通过人类演示进行模仿学习（Imitation Learning）已成为训练自主机器人策略的主流方法。然而，构建高质量的演示数据集面临着巨大的成本挑战：它不仅需要昂贵的硬件设备，还需要操作员进行长时间、枯燥的重复劳动，这极大地限制了训练数据的规模。

永远都不秃头的程序员(互关)

【决策树深度探索（二）】决策树入门：像人类一样决策，理解算法核心原理！你有没有发现，人类在做决策时，也常常遵循一种分层、有条件的逻辑？“如果今天不下雨，并且我心情好，那就去爬山；如果下雨，我就在家看书。”这不就是典型的决策树思维吗？

代码s贝多芬的音符

android 相机人脸检测人脸识别画人脸边框识别成功保存图片 mlkit 机器学习ML Kit 是一款移动 SDK，可将 Google 的设备端机器学习专业知识融入到 Android 和 iOS 应用中。使用我们功能强大且易于使用的生成式 AI、Vision 和 Natural Language API 来解决应用中的常见难题，或打造全新的用户体验。所有功能均由 Google 的一流机器学习模型提供支持，并且免费提供给您。

Shea的笔记本

MindSpore实战笔记：Pix2Pix图像转换复现全记录加入CSDN的昇思MindSpore社区https://bbs.csdn.net/forums/MindSpore_Official

长文本优化：KV Cache机制与显存占用平衡策略DeepSeek模型的一大核心卖点是其卓越的长文本（Long Context）处理能力，支持的上下文窗口长度达到了32k甚至128k。这使得它能够轻松应对长篇小说续写、财报深度分析、法律文档审查等场景。然而，对于推理系统的架构师来说，长文本是一个巨大的“显存黑洞”。理解并优化 KV Cache（键值缓存），是在昇腾910B有限的显存资源下，驾驭长文本生成的关键。

叫我：松哥

spark+flask的新能源车数据分析与智能推荐系统，融合大数据分析、机器学习和人工智能技术本系统是一款集成数据采集、智能分析、销量预测和个性化推荐的新能源汽车综合服务平台。系统采用Flask+PySpark技术架构，融合了大数据分析、机器学习和人工智能技术。通过爬取汽车之家真实数据，为用户提供全面的市场洞察、精准的购车推荐和专业的AI咨询服务。系统支持多维度数据分析，包括销量趋势、价格分布、评分分析等；采用LSTM模型进行销量预测，准确率可达85%以上；混合推荐引擎结合协同过滤和内容推荐，实现个性化推荐；集成DeepSeek AI助手，提供智能问答和购车建议。界面简洁美观，操作便捷，适合汽车行

从“贪吃蛇”进化论，看懂机器学习、深度学习与强化学习的区别在人工智能领域，新手常被各种“学习”搞得晕头转向。其实，这些高大上的名词，用我们小时候都玩过的贪吃蛇就能讲得明明白白。