- 博客(21)
- 收藏
- 关注
RSS订阅原创 LLM 驱动的运筹优化与可解释智能决策系统：从自然语言到商业决策的全链路落地
本文构建的 “LLM + 运筹优化 + XAI” 融合系统，成功解决了传统运筹优化 “建模难、解释难、落地难” 的核心痛点，实现了从自然语言需求到商业决策的全链路自动化。该系统不仅适用于动态定价场景，还可扩展至库存优化、路径规划、产能调度等绝大多数运筹优化场景，为企业智能决策提供了可复用的架构范式。随着大语言模型和可解释 AI 技术的持续演进，这类 “技术 + 业务” 深度融合的系统，将成为企业数字化转型的核心基础设施。# LLM 驱动的运筹优化与可解释智能决策系统：从自然语言到商业决策的全链路落地！
2026-04-02 18:16:19
732
原创 从零实现 LLaMA 架构：一步步构建轻量级大语言模型
本文从 LLaMA 的核心设计出发，拆解并实现了一个轻量级的 LLaMA-like 模型，覆盖了 RMSNorm、SwiGLU、RoPE、因果自注意力等关键组件。大模型看似复杂，但本质是 “简单组件的有序组合”—— 掌握这些核心设计，就能理解大模型的底层逻辑，为后续的模型训练、优化和部署打下基础。训练模型：用小数据集（如 WikiText）训练模型，观察 Loss 的下降趋势；扩展参数：将调至 4096、num_layers调至 32，实现原版 LLaMA 7B 的架构；
2026-04-01 21:59:36
800
原创 基于改进 VMD 与自适应小波的水声信号去噪算法实现与分析
改进 VMD 通过包络熵寻优参数，解决了 VMD 参数选择的主观性问题；皮尔逊相关系数实现了 IMF 的精准分离，避免对有效信号过度去噪；自适应小波去噪针对噪声 IMF 动态调整阈值，兼顾去噪效果与信号保真性。实验结果表明，算法能显著提升水声信号的信噪比，降低重构误差，有效恢复信号特征。
2026-03-30 21:21:54
690
原创 零基础入门数据分析！NumPy+Pandas+Matplotlib 实战全攻略（附代码 + 详解）
官方文档：NumPy/Pandas/Matplotlib 官网（中文翻译版）练习数据集：Kaggle 入门数据集、阿里云天池工具：Jupyter Notebook（全程实战），不可逆权重分配：Pandas 占 60% 精力，重点练数据清洗、分组聚合学习节奏：4 周，每天 1-2 小时，边敲代码边学恭喜你！学完这篇文章，你已经掌握了数据分析三剑客的入门核心技能，能独立完成数据读取、清洗、统计、可视化全流程！入门标准：能独立完成本文的电商 / 成绩分析项目进阶路线。
2026-03-29 21:01:37
652
原创 基于 Tent-EBWO 优化 XGBoost 的回归预测及可解释性分析
本文提出的Tent-EBWO优化XGBoost回归框架，通过KPCA降维降低计算复杂度，利用Tent混沌映射增强BWO的全局搜索能力，最终实现了高精度的回归预测，并通过多维度可视化完成模型可解释性分析。实验结果表明，该框架在预测精度和稳定性上表现优异，特征可解释性分析也为业务理解提供了有力支撑。
2026-03-28 13:09:15
818
原创 Transformer-SSM 混合模型 vs 传统 SVM：文本分类任务的深度对比实验
一、引言文本分类是自然语言处理（NLP）的核心任务之一，广泛应用于情感分析、垃圾邮件识别、意图识别等场景。传统文本分类方法以为代表，依赖人工设计的特征工程，具有训练速度快、可解释性强的特点；而深度学习方法（如 Transformer）通过自注意力机制自动提取语义特征，在复杂任务上表现更优，但训练成本更高。近年来，状态空间模型（State Space Model, SSM）凭借对长序列的高效建模能力，成为 Transformer 的重要补充。本文将构建。
2026-03-27 23:21:40
660
原创 Deep-HMM 融合 Transformer：序列分类的动态隐状态建模新范式
在自然语言处理和序列建模领域，Transformer 凭借自注意力机制成为主流架构，但传统 Transformer 在处理时序序列时，往往通过全局平均池化（GAP）等简单方式聚合序列信息，丢失了时序动态特征。而隐马尔可夫模型（HMM）擅长建模时序数据的隐状态转移规律，本文将详解，以及如何将其与 Transformer 融合，构建更强大的序列分类模型，并通过对比实验验证该融合方案的有效性。
2026-03-25 18:23:04
754
原创 融合时空特征的动态图神经网络：DGNN-BiLSTM-Attention 详解与实战
DGNN-BiLSTM-Attention 的损失曲线快速下降并趋于平稳，50 轮后 MSE 降至 0.08 以下，说明模型收敛性良好，未出现过拟合（正则化生效）。为验证模型有效性，我们构建模拟数据集（电力负荷场景），并对比纯 LSTM、纯 BiLSTM、DGNN-BiLSTM-Attention 三种模型的性能。GCN 的核心价值是：将每个节点的特征与其邻居节点的特征加权融合，精准捕捉节点间的空间关联（如电网中节点的功率传输关系）。
2026-03-24 21:47:58
635
原创 基于 NSGA-II 的城市密集区无人机多目标路径规划 ——Matlab 实现与核心算法解析
城市密集区的无人机路径规划是无人机自主导航领域的经典难题，其核心痛点在于需要同时满足三大核心要求。本文基于，实现了城市密集区无人机的多目标路径规划 Matlab 方案，针对建筑避障、雷达威胁、飞行能耗、轨迹平滑等需求完成了全流程建模与开发，通过等关键设计，解决了复杂场景下的轨迹穿模、约束违规、多目标权衡等问题。
2026-03-23 21:12:29
774
原创 手把手搭建 DeepSeek 多功能 AI 工作站：基于 Python Tkinter 的 GUI 实现
本文通过 Tkinter 搭建了一个轻量级的 DeepSeek 多功能 GUI 工作站，既讲解了 API 的配置与调用，也实现了多场景的 AI 交互。该项目易于扩展，可根据自己的需求添加更多功能，是学习 AI API 调用和 GUI 开发的绝佳实践案例。手把手搭建 DeepSeek 多功能 AI 工作站：基于 Python Tkinter 的 GUI 实现在 AI 工具日益普及的今天，DeepSeek API 凭借其优秀的中文理解能力和多场景适配性，成为很多开发者的首选。
2026-03-22 13:45:14
745
原创 MixLinear：融合时域与频域的极简时间序列预测模型（附 LSTM/CNN 对比与架构优化）
本文提出MixLinear模型，通过双域融合架构实现轻量化时间序列预测。MixLinear结合时域分段线性变换和频域傅里叶滤波，以线性运算为核心，在参数量仅为LSTM 1/4的情况下取得45.2%的MSE提升。实验表明，MixLinear与LSTM/CNN的混合架构（如MixLinear-CNN-LSTM）性能最优，测试MSE达0.052，较LSTM提升67.9%。可视化分析验证了该模型在收敛速度、预测精度和相关性方面的优势，为时间序列预测提供了高效解决方案。
2026-03-20 21:15:18
839
原创 基于 Tent 混沌映射 + 麻雀搜索算法（SSA）优化 BP 神经网络的回归预测：从原理到实战
Tent 混沌初始化让初始种群分布更均匀，避免随机初始化的局部最优陷阱；SSA 全局搜索最优权重 / 偏置，提升了 BP 的预测精度和稳定性；实验结果表明，优化后的 BP 在 MAE、MSE、MAPE 等指标上均优于标准 BP。
2026-03-17 21:10:01
812
原创 让机器“读懂”人类语言
假设有一句话：“我 喜欢 学习 人工智能”，如果滑动窗口大小为 1，当中心词是“学习”时，上下文词是“喜欢”和“人工智能”。由于模型捕捉了上下文语义，您会发现“人工”、“智能”、“机器”、“学习”这些词在二维平面上聚集得比较近，而“天气”、“阳光”等词则会分布在图的另一个区域。通过训练，我们将每个词映射到一个固定维度的稠密实数向量（Dense Vector）中，使得语义相近的词在向量空间中的距离也相近。其中，v_w 和 v_w_O 分别是词 w 作为中心词和上下文词时的向量表示，W 是词表的大小。
2026-03-16 21:57:02
542
原创 零基础入门 Pygame：手把手教你做《外星人入侵》小游戏
玩家控制屏幕底部的飞船左右移动，按空格键发射子弹；屏幕上方会生成外星舰队，舰队会左右移动并向下逼近；子弹击中外星人即可消灭它并得分，外星人撞到飞船 / 到达屏幕底部则扣除飞船生命值；生命值耗尽游戏结束，消灭所有外星人后会生成新的、速度更快的外星舰队，难度递增。游戏循环与帧率控制；事件处理（按键、鼠标）；精灵与精灵组的使用；碰撞检测；游戏状态管理；文字渲染与计分系统。如果有需要原代码的，请在评论区留言，作者会挨个回复！！！
2026-03-15 16:40:32
917
原创 零基础实战：基于SVM的智能“用电器识别”神器，到底是怎么炼成的？
4.代码分析不知道大家有没有想过这样一个场景：不需要在每个家用电器上都安装传感器，仅仅在入户的总电表处装一个小盒子，就能精准识别出家里现在是开了空调、还是在用微波炉，甚至能统计它们的耗电量。这就是目前非常火的非侵入式负荷监测（NILM）技术！传统的监测方案成本高昂且布线复杂 ，而今天，我们将手把手教你如何用机器学习算法（SVM），亲手打造一个平均识别准确率高达90%的智能用电器识别装置。无论你是硬件小白还是算法新手，跟着这篇干货，带你理清从“硬件采集”到“算法识别”的完整通关逻辑！1.NILM。
2026-03-13 22:19:26
668
原创 时序预测瓶颈：遗传算法优化 LSTM 神经网络完全指南
参数边界设定: [神经元数量, Dropout率, 学习率, 迭代次数]# 注意：实际应用中可按需调整范围'units': [10, 100], # 整数'dropout': [0.1, 0.5], # 浮点数'lr': [0.001, 0.05], # 浮点数'epochs': [10, 50] # 整数# 2. 构建与评估 LSTM 模型 (适应度计算核心)# 训练模型 (为了GA搜索速度，这里设置 verbose=0)# 在测试集上评估。
2026-03-10 22:17:34
643
原创 告别局部最优：遗传算法（GA）优化 BP 神经网络
GA-BP 的初始误差（Epoch 0 处）明显低于纯 BP。并且 GA-BP 在训练初期的下降坡度更陡，收敛速度更快，最终收敛的 MSE 往往更低。GA-BP 的红色曲线对真实正弦波的贴合度通常优于纯 BP 的蓝色曲线。
2026-03-09 21:51:04
566
原创 峰谷电价怎么算？Python结合灰色预测带你玩转电力数据分析
这段代码没有把所有东西塞进一个函数，而是按照“打标签 -> 算电量 -> 算钱”的逻辑拆分成了三个独立函数。它接收一串历史负荷数据，通过内部的矩阵运算，输出未来指定步长（默认2小时）的预测数据。这一句直接解决了图表中文显示为方块的痛点，是写 Python 数据分析脚本的标配起手式。是一个非常实用的高阶技巧。弹窗）放在最后一步，确保了控制台的计算结果能第一时间打印出来，提升了用户体验。如果只画预测点，图上的实际曲线和预测曲线会断开，视觉效果很差。个数据累加起来，原本无规律的序列会呈现出明显的指数增长规律。
2026-03-08 19:25:47
323
原创 从零玩转遗传算法：Python实战全攻略，小白也能搞定极值/非线性规划/TSP/多目标优化
在运行代码前，请先使用安装维护版的库（原版mlrose已停止更新）。使用mlrose写出打分标准 -> 圈定搜索边界 -> 启动遗传算法。# ================= 1. 定义我们要征服的“山脉” =================# mlrose 传入的是一个数组，哪怕只有一个变量，也要通过索引 [0] 取出来# ================= 2. 告诉 mlrose 如何打分 (定制适应度) =================
2026-03-07 20:45:23
633
原创 避开这些“暗坑”！Python新手最易踩的5个经典错误（附代码解析）
本文总结了Python初学者常见的5个陷阱及解决方案：1)滥用可变对象作为函数默认参数，应改用None初始化；2)遍历时修改列表导致跳过元素，推荐列表推导式或遍历副本；3)混淆==(值相等)和is(内存地址相同)，除单例外应使用==；4)局部变量赋值引发UnboundLocalError，需用global声明全局变量；5)捕获过于宽泛的异常，应明确指定异常类型而非裸except。理解这些底层机制能写出更健壮的Python代码。
2026-03-05 22:31:18
415
零基础入门数据分析！NumPy+Pandas+Matplotlib 实战全攻略（附代码 + 详解）
2026-03-29
Transformer-SSM 混合模型 vs 传统 SVM：文本分类任务的深度对比实验
2026-03-27
基于 NSGA-II 的城市密集区无人机多目标路径规划 -Matlab 实现与核心算法解析
2026-03-23
手把手搭建 DeepSeek 多功能 AI 工作站：基于 Python Tkinter 的 GUI 实现
2026-03-22
MixLinear：融合时域与频域的极简时间序列预测模型（附 LSTM/CNN 对比与架构优化）
2026-03-20
风电预测天花板！VMD-SSA-CNN-BiLSTM 组合模型全解析（附完整可运行python代码）
2026-03-18
基于 Tent 混沌映射 + 麻雀搜索算法（SSA）优化 BP 神经网络的回归预测：从原理到实战
2026-03-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人