机器学习

AI中的优化7-有约束非线性规划• 核心理论 (Core Theory)◦ 拉格朗日函数 (Lagrangian): 通过引入拉格朗日乘子，将一个带约束问题转化为一个无约束的函数，是连接原始问题和对偶问题的桥梁。

人工智能之数学基础线性代数：第三章特征值与特征向量第三章特征值与特征向量特征值（Eigenvalues）和特征向量（Eigenvectors）是线性代数中最具洞察力的概念之一，广泛应用于主成分分析（PCA）、稳定性分析、振动模态、图神经网络、PageRank算法等领域。本文将从定义、计算方法、几何/物理意义出发，并提供完整的 Python 代码实现。

weixin_37763484

【K-S 检验】Kolmogorov–Smirnov计算过程与示例Kolmogorov–Smirnov（K–S）检验是一种非参数假设检验方法，用于判断：✅ 核心优势：不依赖分布形态假设，适用于任意连续分布，对位置和形状变化敏感。

鲨莎分不晴

强化学习第五课 —— A2C & A3C：并行化是如何杀死经验回放在 DQN 称霸的时代，我们为了解决强化学习中样本**“非独立同分布（Non-IID）”**的问题，不得不引入了一个巨大的外挂硬盘——经验回放池（Experience Replay Buffer）。

拉姆哥的小屋

从混沌到秩序：条件扩散模型在图像转换中的哲学与技术革命条件扩散模型在实现MRI多序列转换（源码+数据+已训练好的模型）资源-CSDN下载当我们凝视一张由语义标签生成的逼真街景图像时，我们实际上在见证一个深刻的哲学命题：从抽象到具象，从符号到感知，从信息到美学的转换过程。这不是简单的像素映射，而是一场关于"如何从无到有创造视觉真实"的探索。条件扩散模型（Conditional Diffusion Model）正是这一探索的最新答案，它将概率论、信息论和深度学习的智慧融合在一起，为我们打开了一扇通往可控图像生成新世界的大门。

自动驾驶—CARLA仿真（6）vehicle_gallery demo测试用例： PythonAPI/examples/vehicle_gallery.pycarla_1✅ 这是典型的第三人称环绕相机（Orbit Camera）实现。

【大模型数据标注】核心技术与优秀开源框架若对您有帮助的话，请点赞收藏加关注哦，您的关注是我持续创作的动力！有问题请私信或联系邮箱：funian.gm@gmail.com

【机器学习】33 强化学习 - 连续状态空间（DQN算法）之前举例的简化版火星探测器的状态只有位置，且只可能是6个离散的值。实际场景中，状态往往是一个向量，且其中的每个值可能是离散的，也可能有连续的

医学影像深度学习知识点总结T1像和T2像的区别 T1像便于显示解剖结构,T2像便于显示病灶部位.FLAIR像便于显示结合水变化情况,人体内有自由水和结合水的分布,结合水的变化情况往往反映了局部组织出现梗塞情况,这种情况下采用FLAIR成像可以将这样的变化显示出来. FLAIR像(液体反转恢复),约等于T2成像

机器学习进阶＜8＞PCA主成分分析在机器学习数据预处理环节，降维绝对是绕不开的核心技术之一，而主成分分析（PCA）作为降维领域的扛把子，更是面试和项目中的高频考点。今天这篇文章，我们就从为什么需要PCA讲起，一步步拆解原理、推导关键公式，最后用Python实战落地，确保零基础也能看懂，看完就能用！

机器学习之KNN算法机器学习就是利用数学中的公式总结出数据中的规律全称是k-nearest neighbors，通过寻找k个距离最近的数据，来确定当前数据值的大小或类别。是机器学习中最为简单和经典的一个算法。

matlab实现多标签K近邻（ML-KNN）算法多标签K近邻（ML-KNN）是经典KNN算法在多标签学习场景下的直接扩展，也是非常有效和常用的基准方法。

一招定胜负

逻辑回归调优三板斧：参数调整、阈值设定、数据集平衡在上一篇博客中我们建立的逻辑回归模型解决了银行贷款的二分类问题，但是不知道大家有没有注意到我们当时的召回率是非常低的，只有百分五十左右，这一次，我们就来学习如何进行逻辑回归的调优。

DAY 35 文件的规范拆分和写法知识点回顾如何把一个文件，拆分成多个具有着独立功能的文件，然后通过import的方式，来调用这些文件。这样具有几个好处：

Coding茶水间

基于深度学习的肾结石检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)基于深度学习的肾结石检测系统演示大家好，欢迎来到「Coding茶水间」！在日常医学影像工作中，肾结石的筛查往往需要医生仔细阅片，不仅耗时，还容易受到主观因素影响。为了让这一过程更高效、更客观，我们基于当前热门的 YOLO 目标检测算法，开发了一套肾结石检测系统。这套系统能够自动分析肾脏影像，快速判断其中是否存在肾结石，并标出位置和置信度，支持图片、视频、文件夹批量以及摄像头实时检测。

基于多模态大模型的工业质检系统：从AOI到“零样本“缺陷识别的产线实践摘要：传统AOI视觉检测在新产品上线时漏检率高达23%，且无法识别训练集外的未知缺陷。我用Qwen2-VL+SAM+YuNet+AnomalyDB搭建了一套工业质检系统：用视觉大模型做Few-shot缺陷分类，SAM做像素级分割，图数据库存储缺陷模式，最终实现"零样本"检测新品缺陷。上线后，漏检率从23%降至0.8%，新品导入周期从2周缩短至4小时，单条产线年检成本降低170万。核心创新是将缺陷模式转化为视觉问答任务，让LLM学会"看图找茬"。附完整产线部署代码和SPC统计对接方案，单台4090可支撑6条

使用GeeLark+亮数据，做数据采集打造爆款内容https://www.bilibili.com/video/BV1t5m1B4Emg/?spm_id_from=333.1387.homepage.video_card.click&vd_source=8c987e288018fae8f95831d231306b93

Day 35首先回顾下昨天的内容,我在训练开始和结束增加了time来查看运行时长 import torch import torch.nn as nn import torch.optim as optim from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split import numpy as np

统一的人群计数训练框架（PyTorch）——基于主流的密度图模型训练框架视频讲解1：Bilibili视频讲解视频讲解2：https://www.douyin.com/video/7583893329385999667?count=10&cursor=0&enter_method=post&modeFrom=userPost&previous_page=personal_homepage&secUid=MS4wLjABAAAA0NVS_BfnZjuBUqHzrh-1oSxoNxExvuesrznu1Wu4-fc

【GitHub每日速递 20251215】微软开源12周26课机器学习入门课程，多语言支持还能离线学！原文: https://mp.weixin.qq.com/s/C9LOIq5vYaZrgldJU5nKsA