Forget_trouble的博客

原创 体验图像生成大模型

原创 算法之美：从递归到动态规划的三道经典问题解析

解释: 5 → 10 → 9 → 18 → 17 或 5 → 4 → 8 → 16 → 17。时间复杂度：O(2ⁿ)，因为移动次数为 2ⁿ - 1。路径: 13 → 8 → 26 → 15 → 24。时间复杂度：O(R²)，其中 R 是金字塔的行数。空间复杂度：O(n)，递归调用栈的深度。移动圆盘1从柱子A到柱子C。移动圆盘2从柱子A到柱子B。移动圆盘1从柱子C到柱子B。移动圆盘3从柱子A到柱子C。移动圆盘1从柱子B到柱子A。移动圆盘2从柱子B到柱子C。移动圆盘1从柱子A到柱子C。

原创 光的折射模拟器 HTML

【代码】光的折射模拟器 HTML。

原创 大语言模型能力对比实验：文心一言 vs 豆包

深度分析能力强，尤其在逻辑推理、伦理判断等任务中表现系统全面知识储备扎实，历史类回答详实丰富计算过程透明，展示多种解题方法原创性较高，能独立构建分析框架。

原创 从人工特征到智能感知：计算机视觉的技术跃迁与OpenCV实践

清晨的阳光透过窗户照进实验室，研究人员轻点鼠标，几行简洁的代码就让电脑“看见”并理解了摄像头捕捉的世界，这背后是计算机视觉技术七十余年的沉淀与突破。2000 年 6 月，第一个开源版本的 OpenCV 正式发布，标志着计算机视觉技术从实验室走向广泛应用的转折点。如今，每月有超过的 OpenCV 下载量，它被 Google、Microsoft、IBM 等全球顶尖企业及高校广泛采用。从最初依赖人工设计特征的 SIFT、HOG 算法，到 2012 年 AlexNet 在 ImageNet 竞赛中以。

原创 Transformer框架

与编码器类似，但为了防止模型在训练时“偷看”未来的答案（即预测第t个词时，只能看到1到t-1的词），通过一个掩码（Mask）将未来的位置设置为负无穷，使其Softmax权重为0。通过这个过程，模型在编码“it”时，就会给“animal”分配极高的权重，从而生成一个能明确指代“animal”的“it”向量表示。今天，就让我们一同揭开Transformer的神秘面纱，看看这个没有循环、没有卷积的结构，是如何主宰NLP世界的。通过计算一个词的Query与序列中所有词的Key的点积，得到注意力分数。

原创 生成式AI的统计内核与模型全景

它将数据的生成过程表述为：从一个先验分布 p(z)p(z)（如标准正态分布）中采样一个潜在变量 zz，然后通过解码器 p(x∣z)p(x∣z) 生成数据 xx。：模型学到的分布 Pmodel(x)Pmodel​(x) 会尽可能地接近 Pdata(x)Pdata​(x)。公式：P(A∣B)=P(B∣A)P(A)P(B)P(A∣B)=P(B)P(B∣A)P(A)​。：直接使用KL散度作为损失的一部分，迫使编码器输出的潜在变量分布 q(z∣x)q(z∣x) 接近标准正态先验分布 p(z)p(z)。

原创 机器学习:使用线性回归预测房价

关键点：线性回归适用于房价预测时特征与目标呈线性关系。通过可视化、预处理和训练，模型能有效学习模式。预测结果为点估计（如 320000 元），但实际应用中建议使用交叉验证提高鲁棒性。可靠性：本方法基于真实机器学习实践，但结果依赖数据质量。建议在真实数据集上测试，并比较不同模型（如决策树）。

原创 人工智能发展历程与兴衰

萌芽期（1950-1974）第一次寒冬（1974-1980）复兴期（1980-1987）第二次寒冬（1987-1993）稳步发展期（1993-2011）周期性特征：历史教训：