2501_94044976的博客

原创 【无标题】

NLP 是Natural Language Processing（自然语言处理）的缩写，它是人工智能（AI）和语言学交叉的核心学科，目标是让计算机 “理解、处理、生成人类语言”，打破人与机器之间的 “语言壁垒”。看懂文字（比如识别新闻主题、提取合同关键信息）；听懂语音（比如语音助手识别指令、实时字幕转换）；生成文字（比如写邮件、AI 对话、机器翻译）；处理语言逻辑（比如回答问题、分析情感倾向）。NLP 的本质是 “让计算机掌握人类语言”，它是 AI 中最贴近人类生活的技术之一。

原创 统计学概念

n场景 2：不确定性量化与预测\n例子：股票价格预测中，用对数正态分布描述股价的连续取值概率；似然函数最大似然函数与生成模型的关系\n似然函数最大似然函数与生成模型的关系\n\n核心结论：似然函数是生成模型建模的核心工具，最大似然估计（MLE）是生成模型学习数据分布的核心优化准则，二者共同支撑生成模型 “还原数据真实分布” 的目标。\n3. 与生成模型的核心关联：从建模到学习的全流程支撑\n生成模型的核心任务是建模数据的概率分布 P(X)，而似然函数提供了 “模型分布与数据匹配度” 的量化方式。

原创 图像生成 体验图像生成大模型

近景是一座小巧的石拱桥，桥面由青石板铺成，桥栏雕刻着精美的花纹，桥下是蜿蜒的池塘，池塘水面漂浮着翠绿的荷叶与粉色的荷花。她的面容姣好，柳叶眉，丹凤眼，鼻梁小巧，唇点朱红，神态温婉娴静。别墅的一层设有开阔的露台，露台上摆放着藤制桌椅与遮阳伞，露台边缘设有木质栏杆，可俯瞰下方清澈的湖水与岸边的绿植。天空是淡蓝色的，飘着几朵轻薄的白云，阳光洒在山峰上，勾勒出清晰的轮廓，整体画面气势磅礴，意境悠远。无垠的大海上，海水呈现出层次丰富的蓝色，从近岸的浅蓝逐渐过渡到远处的深蓝，宛如一块巨大的蓝色宝石。

原创 解决汉诺塔问题

原创 实验5 体验大语言模型

实验5 体验大语言模型。

原创 计算机视觉经典模型

设输入为x，期望的映射为H(x)，残差块通过学习F(x)=H(x)-x，最终输出为H(x)=F(x)+x（即残差连接）。- 跳跃连接（Shortcut Connection）：通过跳跃连接直接将输入x传递到输出端，与卷积层的输出相加，既保留了底层特征，又让梯度能通过短路路径反向传播，缓解了深层网络的梯度消失问题。- 安防与交通：监控摄像头的人脸识别、行为分析、车辆牌照识别，交通领域的违章检测、自动驾驶的环境感知（如目标检测、车道线识别）是CV的核心应用场景。2. 简述CNN模型识别图像中对象的流程。

原创 【无标题】

自注意力（Self-Attention）是一种动态计算输入序列内部元素间关联性权重的机制。典型案例：Google翻译系统切换至Transformer后，翻译质量BLEU值提升60%2。自注意力优势：直接计算任意距离词对的相关性（如句首与句尾词），显著提升语义理解能力12。性能突破：在GLUE基准测试中，Transformer模型比RNN高15%+准确率12。与RNN有何本质区别？预训练语言模型：BERT（双向自注意力）、GPT（自回归自注意力）BERT的双向自注意力与GPT的单向掩码自注意力有何优劣差异？

原创 3．搭建和训练基于线性回归算法预测房价的机器学习模型

plt.plot([y.min(), y.max()], [y.min(), y.max()], 'r--') # 添加理想预测线。print(f'模型均方根误差(RMSE): ${rmse:.2f}') # 格式化输出误差值。print('截距项:', model.intercept_) # 基础价格。print('回归系数:', model.coef_) # 每个特征的权重。plt.xlabel('面积(平方英尺)') # X轴标签。plt.ylabel('价格(美元)') # Y轴标签。