技术栈
数据挖掘
YBAdvanceFu
8 小时前
人工智能
·
深度学习
·
机器学习
·
数据挖掘
·
transformer
·
agent
·
智能体
拆解 MusicGen:Meta 开源音乐大模型,到底是怎么跑起来的?
跑完 model.generate() 那段代码,听到 AI 根据"80s synth pop with bassy drums and synth"生成的音乐时,我第一反应是:这东西底层到底是什么逻辑?花了一天时间扒源码,把整个流程清楚了。
计算机毕业编程指导师
9 小时前
hadoop
·
python
·
计算机
·
数据挖掘
·
spark
·
毕业设计
·
卵巢癌
【计算机毕设推荐】Python+Spark卵巢癌风险数据可视化系统完整实现 毕业设计 选题推荐 毕设选题 数据分析 机器学习 数据挖掘
⭐⭐个人介绍:自己非常喜欢研究技术问题!专业做Java、Python、小程序、安卓、大数据、爬虫、Golang、大屏等实战项目。 ⛽⛽实战项目:有源码或者技术上的问题欢迎在评论区一起讨论交流! ⚡⚡有什么问题可以在主页上或文末下联系咨询博客~~ ⚡⚡Java、Python、小程序、大数据实战项目集](https://blog.csdn.net/2301_80395604/category_12487856.html)
高洁01
10 小时前
python
·
深度学习
·
机器学习
·
数据挖掘
·
知识图谱
工程科研中的AI应用:结构力学分析技巧
工程科研中的AI应用:结构力学分析技巧一、 传统结构力学的痛点与AI的切入点 二、 AI赋能结构力学的核心技巧 三、 实战中的注意事项
郝学胜-神的一滴
11 小时前
人工智能
·
python
·
程序人生
·
算法
·
机器学习
·
数据挖掘
·
回归
深入理解回归损失函数:MSE、L1 与 Smooth L1 的设计哲学
在机器学习与深度学习的回归任务中,损失函数如同模型的 “导航仪”,决定着参数优化的方向与收敛效果。其中MSE(L2 Loss)、MAE(L1 Loss)、Smooth L1 Loss是最经典的三大损失函数,它们各有优劣,也暗藏着工程实践的设计巧思。今天我们就从原理、优缺点、工程应用到代码实现,彻底吃透这三大核心损失函数。
AI科技星
1 天前
算法
·
机器学习
·
数学建模
·
数据挖掘
·
量子计算
精细结构常数α作为SI 7大基本量纲统一耦合常数的量子几何涌现理论
时间:20250503精细结构常数α是量子电动力学与现代物理学的核心无量纲常数,其数值为α ≈ 1/137.036,这个"神奇数字"的物理本源与SI 7大基本量纲的内在耦合关系,是百年来物理学界的核心谜题之一。本文基于张祥前空间光速螺旋理论,以v≡c光速不变为唯一不可拆分的第一性原理,结合微分几何、拓扑学、量纲分析白金汉Π定理,构建了自洽的公理体系,首次完整推导得到α在SI全部7大基本量纲(长度L、时间T、质量M、电流I、热力学温度Θ、物质的量N、发光强度J)下的独立本源无量纲表达式。所有表达式严格遵循「
STLearner
1 天前
人工智能
·
python
·
深度学习
·
神经网络
·
机器学习
·
数据挖掘
·
知识图谱
SIGIR 2026 | LLM × Graph论文总结(图增强LLM,GraphRAG,Agent,多模态,知识图谱,搜索,推
SIGIR 2026将在2026年7月20日至24日于澳大利亚墨尔本(Melbourne | Naarm, Australia )举行。
xrui58
1 天前
人工智能
·
分类
·
数据挖掘
2026实测:让 Gemini 3.1镜像站抓取邮箱并智能分类,GTD 效率提升 3 倍
每天面对几十封混杂的邮件——需求、日报、审批、垃圾推广,人工分拣和归类至少耗费 30 分钟。现在用 Gemini 3.1 对接邮箱,能在数秒内完成邮件提取、语义分类并按 GTD 逻辑置入待办、参考或归档清单。国内开发者无需特殊网络环境,通过 RskAi(www.rsk.cn) 提供的兼容 OpenAI 格式的 API 即可调用 Gemini 3.1,目前每日有免费额度,实测搭建一套个人邮箱 GTD 分类器只需约 70 行 Python 代码。
geneculture
1 天前
人工智能
·
数据挖掘
·
哲学与科学统一性
·
智能通信
《一种智能通信子母机》(申请日 1993.4.7公开号CN1095341A)专利文件的全文汉英双语对照版本+系统点评
摘要:本发明提出一种智能通信子母机系统,由微处理器、电脑、传感信息处理子机和通信信息处理母机组成。系统采用专业化分工设计:微处理器Ⅰ处理音像输入,Ⅱ负责话路分流,Ⅲ处理内部通信,Ⅳ管理外部通信;子机(1-800+台)可以是普通/可视电话,母机根据规模适配主机/专业网/公共网交换总机。创新性地实现了传感与通信分离、无需振铃的智能通信、紧急自动报警等功能。该专利(申请日1993.4.7)比同年的VDMT专利更早提出"传感-通信分离"理念,为后续融智学发展奠定实践基础,其架构设计预见性地体现了现代物联网、边缘计
一晌小贪欢
1 天前
jupyter
·
数据挖掘
·
数据分析
·
可视化
·
数据可视化
第1节:数据分析环境配置——Jupyter Notebook全攻略
完成本节学习后,你将能够:想象一下,你要学做饭。在正式开始之前,你需要什么?一口锅、一把刀、一个炉灶——这就是你的"厨房环境"。数据分析也是一样,在你写出第一行代码之前,必须先搭建好工作环境。
HQChart
1 天前
人工智能
·
数据挖掘
·
数据分析
·
hqchart
·
k线图
·
走势图
HQChart使用教程105-K线图,分时图如何对接AI进行数据分析
K线图形AI分析K线图形AI分析把K线图或分时图转成文字描述给AI,用户可以对这些数据使用AI来进行分析。这样可以省去AI去别的地方下载数据。所见即所得。
AI科技星
1 天前
人工智能
·
机器学习
·
数学建模
·
数据挖掘
·
agi
全域数学·数术本源·第四卷《分析原本》【乖乖数学】
第一编 全域分析本源总论第一章 全域分析基础板块作者:乖乖数学成书:2026年5月4日本节基于全域分析已建立的理论体系,提出指向分析学未来发展的根本性、前沿性未决问题。这些猜想并非无源之水,而是植根于0, 1, ∞三元本源逻辑,是当前理论边界的前沿映射,旨在引导全域分析向更高维度、更本质统一性、与物理世界更深融合的方向发展。
babe小鑫
1 天前
学习
·
数据挖掘
·
数据分析
零经验转行学习数据分析的价值分析
数据分析在各行业的应用广泛,包括金融、电商、医疗、教育等领域。企业对数据分析人才的需求持续增长,尤其是具备数据处理、可视化及业务洞察能力的从业者。
katheta
1 天前
人工智能
·
分类
·
数据挖掘
·
时间序列
·
时序模型
时间序列模型总体分类
目录第一类:时间被“修理”的模型 (AR / MA / ARMA / ARIMA / SARIMA)第二类:时间被“分解”为结构(Holt / Holt–Winters / BSTS)
MediaTea
2 天前
人工智能
·
算法
·
机器学习
·
数据挖掘
·
逻辑回归
ML:逻辑回归的基本原理与实现
在机器学习中,分类任务关注的不是“某个目标值大约是多少”,而是“一个样本应当属于哪一类”。例如,根据邮件内容判断是否为垃圾邮件,根据体检指标判断是否存在疾病风险,根据交易特征判断是否为欺诈行为,这些都属于典型的分类问题。逻辑回归(Logistic Regression)是最基础、最重要的分类方法之一。
AI科技星
2 天前
算法
·
机器学习
·
数学建模
·
数据挖掘
·
量子计算
全域数学·72分册:场计算机卷【乖乖数学】
作者:乖乖数学 全域公理体系创始人定稿时间:2026年05月02日《全域数学·72分册:场计算机卷》是“全域数学”理论体系在计算科学领域的核心应用与工程化蓝图。它系统地将“0、1、∞”三元本源哲学转化为一套完整的、非冯·诺依曼架构的新型计算机理论。
AI科技星
2 天前
人工智能
·
算法
·
数学建模
·
数据挖掘
·
量子计算
全域数学·数术本源·高维代数卷(72分册)【乖乖数学】
作者:乖乖数学成书时间:2026年5月2日您好,您上传了两份关于“全域数学”高维代数体系的文档。我已仔细阅读,以下是其核心内容的系统化总结:
AI科技星
2 天前
算法
·
机器学习
·
数学建模
·
数据挖掘
·
量子计算
科幻艺术书本封面:《全域数学》第一部·数术本源 第三卷 代数原本(P95-141)完整五级目录【乖乖数学】
作者:乖乖数学日期:2026年05月02日
小王毕业啦
2 天前
大数据
·
人工智能
·
数据挖掘
·
数据分析
·
社科数据
·
实证分析
·
经管数据
2007-2024年 省级-农林牧渔总产值、农业总产值数据(xlsx)
01、数据简介 农林牧渔业总产值是以货币形式来呈现农林牧渔业全部产品的总量,能直观反映在特定时间段(通常为一年)内,农林牧渔业生产活动所取得的总成果。这一指标的统计范围广泛,不仅包含了农业、林业、畜牧业、渔业各自生产的产品价值,还将与之相关的辅助性活动,如农产品初加工、农业技术服务等环节所产生的产值都涵盖在内,全面且综合地体现了整个农林牧渔业领域的生产规模与效益。2007-2024年省级-农林牧渔总产值、农业总产值数据(xlsx)资源-CSDN下载https://download.csdn.net/dow
研究点啥好呢
2 天前
信息可视化
·
数据挖掘
·
数据分析
小红书数据分析工程师面试题精选:10道高频考题+答案解析
题目:有一张用户点击行为表 user_click_log,包含字段(user_id, click_time, page_id, event_name)。另有一张笔记品类表 note_category,包含字段(page_id, category_name)。请用SQL找出每个用户点击次数最多的前3个笔记品类,并输出用户ID、品类名称、点击次数、排名。
段一凡-华北理工大学
2 天前
网络
·
人工智能
·
数据挖掘
·
高炉炼铁
·
工业智能体
·
高炉炉温
【高炉炼铁领域炉温监测、预警、调控智能体设计与应用】~系列文章06:智能决策:从经验驱动到数据驱动
🧠 决策革命 | 阅读时长:14分钟 | 难度:⭐⭐⭐“老师傅说应该降温,那就降温吧!”这样的场景在高炉操作中并不少见。传统决策严重依赖个人经验,存在: