CelestialYuxin的博客

原创 第09章课时32YOLOv3代码

好的，我来结合YOLOv3的知识，通过联想和上下文理解，把这段口语化、有错别字的讲解内容梳理清楚。

原创 YOLOv3 完整统一流程

好的，我重新整理，给您一个，包含所有老师讲解的细节，按照自然顺序组织，不再使用"阶段4续"这样的分段方式。TOC title="本文目录"

原创 FAMOSE：ReAct智能体驱动的自动化特征工程新框架

**FAMOSE（本研究）** | **高** | **高（迭代优化）** | **中（ReAct链可追踪）** | **中高（LLM+验证）** || **基于模型** | LASSO、树模型重要性 | 嵌入式特征选择 | 依赖模型假设，生成能力弱 || **自动特征工具（Featuretools）** | 中 | 中（预定义算子） | 中 | 中 || **LLM直接生成** | 高 | 高（但不可控） | 低 | 高（API调用） || 具体LLM型号（GPT-4？） | 成本与可复现性 |

原创 警惕你的时间序列预处理：Transformer归一化策略的理论分析与经验验证

2026年2月发布的arXiv论文，首次从理论角度系统分析了不同归一化策略对Transformer时间序列模型表达性的影响。研究提出新的表达性量化框架，揭示Standard与Min-Max缩放的理论边界，并证实"无单一最优归一化方法"的结论。本文梳理其核心发现、理论贡献及与现有预处理范式的对比。- 常用方法：Standard（Z-score）、Min-Max、Robust、Instance/全局归一化。无统一最优：Standard、Min-Max、Instance-based、全局缩放各有适用场景。

原创 VQE-TFIM研究：变分量子本征求解器在横场伊辛模型中的ansatz表达性探索

2026年2月发布的arXiv论文，系统研究了VQE在一维至三维横场伊辛模型中的本征态制备难题，对比了EfficientSU2与HVA等ansatz在27量子比特系统中的表现。通用硬件高效型：EfficientSU2、RYRZ、SwapRZ等，Qiskit/Cirq内置，通用性强，物理动机弱，适用于未知哈密顿量探索。自适应型：ADAPT-VQE、QCC等，动态构建ansatz，表达性自适应，经典计算开销大，适用于中小规模。VQE-TFIM研究：变分量子本征求解器在横场伊辛模型中的ansatz表达性探索。

原创 A.R.I.S.系统：YOLOx在破碎电子废料分拣中的新探索

**学术原型** | **A.R.I.S.（YOLOx）** | **90%/84%** | **<$1万（推测）** | **中小型/破碎料现场** |**论文标题**：*A.R.I.S.: Automated Recycling Identification System***非替代关系**：高端工业级设备在速度和精度上仍占绝对优势，A.R.I.S.瞄准的是**无法负担高端设备的下沉市场**。| **高端工业级** | 近红外/高光谱分选机 | 95-98% | $50万+ | 大型集中处理厂 |

原创 TriGen NPU

Transformer架构的大型语言模型（LLMs）参数量急剧增长，但参数复用率低，传统CNN优化方法不适用，导致资源受限的端侧设备（如边缘服务器、移动设备）难以实现端到端推理。当前NPU设计难以高效协同处理LLMs中的线性（如矩阵乘）和非线性操作（如激活函数），且低精度计算易引发精度损失。| 精度损失 | <0.5%（多个LLM测试） | 可忽略的精度影响 |用快速查找表（LUT）替代专用硬件单元，高效实现激活函数（如GELU）、LayerNorm等非线性操作。

原创 【微论文】机器人第一性原理：技术演进的本构逻辑与实现路径

当前机器人技术正面临从功能实现到本构回归的范式转折。本文提出"第一性原理"分析框架，追溯三代机器人范式的内在困境，论证AI计算优化与生物物理约束的耦合机制，并给出2026-2031年技术演进路线图。研究表明，真正的具身智能不在于算力的无限扩张或生物形态的简单模仿，而在于找到物理可实现性、计算可解性与能量可持续性的最小公约束，并在此约束下重构控制架构的本构逻辑。关键词。

原创 目标检测算法对比

【代码】目标检测算法对比。

原创 CNN12问

答：GlobalAveragePool 或 Flatten，把三维特征图先压成一维向量再喂全连接。答：Softmax 把任意实数向量压成 0-1 且和为 1 的概率分布，方便算交叉熵损失。答：参数量=K×K×Cin×Cout+Cout，计算量=参数量×输出特征图高×宽。答：⌊(N−K+2P)/S⌋+1，记住“减核加双填再除步，向下取整加 1”。答：尺寸一致且像素归一化到 0-1 或 [-1,1]，让梯度平稳不爆炸。答：用滑动共享权重先局部后全局提特征，再用全连接把特征映射成类别概率。

原创 【无标题】

分析代码逻辑，编写记忆口诀：[1 tool called]精简版口诀（核心逻辑）超精简版（快速记忆）公式记忆法参数记忆记忆技巧归一化：先归一化特征和权重余弦：矩阵乘法得到余弦相似度角度：反余弦得到角度加m：角度加 margin分母三步骤：求和 → 减原 → 加margin版按这个顺序记忆，可以快速复现代码逻辑。

原创 sssssssssssssssssss

原创 哈哈哈哈哈哈哈哈哈哈哈哈

原创 gaiqigemingzigeiwenzhang

原创 gaiqigemingzigeiwenzhang

原创 【无标题】

原创 【无标题】

默认它就是 batch size，也就是你说的“张量的长度”。batch size 张量的长度（第 0 维） 64。特征维度 向量的维度（第 1 维及以后） 256。) 才是“特征纬度”或“向量维度”。术语 等价说法 例子。

原创 掩码select

我已经详细分析了中掩码的具体功能。

原创 【无标题】

文件主要用途完整性生产就绪关键特点概念验证/测试不完整❌简化实现，有bug训练数据生成完整✅智能采样，完整流程训练数据加载完整✅PyTorch标准接口utils.py核心算法完整✅数学计算，算法实现。

原创 【MTCNN网络结构记忆卡片】--003nets.py

这就是MTCNN网络的完整结构！

原创 【mtcnn】--论文详解重点002之数据采样代码～

采样的工作流程。

原创 【celeba】-数据集的介绍

好的！我来帮您总结CelebA数据集的结构，并分析在MTCNN场景下的使用方式。让我先查看一下代码文件来了解具体的数据使用方式。

原创 【mtcnn】--论文详解重点001之窗口滑动～

MTCNN滑动窗口机制的特点。

原创 【mtcnn】-【原始数据包含bbox】-【bbox regression是网络学习的目标】

您的理解基本正确，只是需要澄清bbox regression是网络学习的目标，而不是训练后的处理结果！

原创 微信传输助手文件自动下载

【代码】微信传输助手文件自动下载。

原创 【Neural Networks and Convolutional Neural Networks by Jonathan Fernandes】

人工神经元，1957康奈尔大学 罗布拉特：“决定苍蝇是否应该逃跑的大部分机制都是在眼睛中运行的”。超参数是那些在模型训练之前需要人为设定的参数而权重和偏置是模型在训练过程中通过优化算法学习到的参数。对于二分类问题----充分必要条件----就是说，超过某个阈值的输出将是1，否则为0。Activation Function激活函数的输出 y pred 是模型的预测值。反向传播的核心是链式法则，它允许我们将复杂的梯度计算分解为简单的步骤。导致：再计算导数的时候，遇到“除以0”，这在数学上是无意义的。

原创 GoogleNET和YOLO：强大的算法背后，是强大的框架

YOLO（You Only Look Once）是 Joseph Redmon 在 2015 年提出的实时目标检测算法，特点是将目标检测任务转换为单次前向传播的回归问题，大大提高了检测速度。Darknet 是一个专门为 YOLO 设计的框架，轻量级、高效、C 语言编写，优化了 YOLO 的计算，使得 YOLO 在 CPU 和 GPU 上都能高效运行。由于 YOLO 的突破性性能，很多人开始使用和研究它，而 Darknet 作为 YOLO 的原生框架，成为了众多开发者尝试 YOLO 的首选。

原创 WSL在windows环境下使用linux

wsl -d Ubuntu

原创 中1-opencv

OpenCV是一个开源的计算机视觉[COMPUTER VISION]和机器学习软件库。它可能是目前最流行的计算机视觉软件。该Library拥有2500多种优化算法，其中包括经典和最先进的计算机视觉和机器学习算法。这些算法可以用于：·人脸识别·物体识别·对视频中的人类动作进行分类·摄像机移动追踪·移动物体等的追踪OpenCV是用C++原生编写的。你也可以用python为openCV打造的包。

原创 【金融笔记正式篇】

请注意，这个表格是根据您提供的描述进行简化和总结的，实际的金融机构可能会有更多的细节和复杂性。

原创 欧氏距离聚类算法实践

实际上只是为了把好多个电站在连续的时间下上传成功（1）和上传失败（0）做规律探寻，但是使用下来欧氏距离比hamming效果好，k-means，random forest效果也比较好，其他的聚类也试了大部分，只能说这个数据就是很适合这样分析。

原创 【CyberSecurity】

当然，以下是根据您提供的列名列表，我所能提供的对应中文名称和简要说明。

原创 数据安全Data Security

在目录中插入目录。

原创 【新能源国家政策制定标准】

在目录中插入目录。

原创 【长短期记忆LSTM-中】

训练数据在文件request_every_hour.csv中可用。场景：我们希望预测未来的服务器请求负载。每条记录都代表着给定小时的总请求数。并将过去的服务器负载数据用作训练。

原创 【梯度下降算法】

根据计算梯度和更新参数的方式，梯度下降算法可以分为多种类型，如批量梯度下降（Batch Gradient Descent）、随机梯度下降（Stochastic Gradient Descent, SGD）和小批量梯度下降（Mini-batch Gradient Descent）。该算法的基本思想是通过计算损失函数关于模型参数的梯度，并按照梯度的反方向更新参数，从而逐步降低损失函数的值，最终使模型达到一个较好的性能。它的主要目的是通过迭代的方式找到函数的最小值，从而优化模型的参数。

原创 【Wavelet——中】

作为首个被广泛研究的正交小波基，它不仅为后续的小波变换、多尺度分析、信号压缩等提供了理论支持，更开启了信号分析的新篇章。Gabor变换是一种基于Gabor滤波器的信号处理方法，通过调整滤波器的方向、基频带宽及中心频率，能够兼顾信号在时空域和频域中的分辨能力。STFT是对傅里叶变换的改进，通过在信号上加上一个滑动窗口，将信号划分为短时平稳段进行傅里叶变换，从而得到信号的时频表示。傅里叶变换是一种将信号从时域转换到频域的方法，通过分解信号为一系列正弦和余弦波形的叠加，从而得到信号的频谱信息。

原创 【长短期记忆LSTM-上】

这种衰减是模型设计的一部分，以便能够关注到近期的、对预测更为重要的信息，同时也避免过度拟合或受到过于遥远的数据点的影响。这种特性使得小波分析在信号处理、图像压缩和特征提取等领域得到广泛应用。它通过内部的记忆单元和门控机制，能够有效地捕捉序列数据中的长期依赖关系，并在处理非平稳时间序列时表现出良好的性能。除了考虑邻近和较远的特征外，时间序列模型还可能考虑其他因素，如季节性、周期性、趋势性，以及外部事件或因素的影响。因此，在构建和选择时间序列模型时，需要根据具体的应用场景和数据特性来选择合适的模型结构和参数。

原创 【wolfram数模-小波-上】

傅里叶变换分解一个信号，转化为该信号的正弦和余弦分量，并将时间序列从时域转换为频域，“将信号以频率（frequencies）形式呈现”。傅里叶变换是对信号进行处理加工，原本只包含时域信息而不包含频率信息，通过傅里叶变换能够得到频率信息。积分符号 ∫ 、求和符号 ∑ 对应着：连续、离散。，本质都是一个意思，都是做加法。

原创 【Python——算法思维】

因此，请考虑一下出了什么问题，现在让我们看看正确的方案。如果我们把刚才写错的fizz-buzz的代码放进去，会看到数字15经过第一个筛选fizz的条件，能满足第一个条件，所以直接输出为fizz。当我们继续完成我们的程序时，图片会扩展以展示所有正在发挥作用的价值。所以，这是一个实例，我们需要在深入研究和实现算法之前仔细考虑我们的算法。随着我们的代码行前进，你可以在右侧看到变量的图片。i 的范围是1到101，这将我们从1带到100，因为。返回的结果是1，因为10除以3余1。返回的结果是0，因为9能够被3整除。