自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(245)
  • 收藏
  • 关注

原创 Codex 快速入门(一):模型、推理等级与工作模式

本文简明介绍Codex核心概念:模型选择(如Astra、Sol、Terra、Luna等)决定能力水平,推理等级影响分析深度与响应速度,工作模式区分用途——ChatGPT Work用于学习讨论,Codex专注编码与发布。推荐默认配置为5.6 Terra+中等级,简单任务用Luna,复杂项目选Astra,高效使用需掌握三者协同逻辑。

2026-09-10 11:05:57 206

原创 Agent-study项目教程(10):基于MCP的智能数据爬取与分析Agent

本文提出了一种基于MCP(Model Context Protocol)的智能数据爬取与分析Agent框架。核心创新点在于: 架构设计 采用Client/Server模式将工具能力从Agent中解耦,通过MCP协议实现标准化调用 当前使用stdio进行本地进程通信,支持扩展为远程调用 关键技术实现 通过LangGraph编排"决策-执行-反馈"循环 对数据分析工具进行安全约束: 强制使用非交互式Matplotlib后端 提供统一图表保存接口 预置中文兼容配置 应用实例 实现GitHub热门项目爬取与分析 支

2026-08-13 02:02:03 102

原创 Agent-study项目教程(09):AI狼人杀竞技场(AgentScope)

本文介绍了一个基于AgentScope框架的AI狼人杀多智能体仿真项目。文章分为理论和实战两部分: 理论部分阐述了对抗式多智能体仿真的必要性,指出博弈场景能更好地检验智能体的能力边界。重点介绍了AgentScope框架的特点,包括其对仿真环境和高交互场景的支持,特别是通过MsgHub机制实现公聊/私聊功能,以及通过角色建模(身份+目标)驱动不同行为策略。 实战部分展示了一个简化版6人狼人杀的实现,包含2狼人、2平民、1预言家和1女巫的角色配置。项目实现了狼人夜间私聊、白天公聊和投票放逐等核心机制。代码示例展

2026-08-13 02:00:21 102

原创 Agent-study项目教程(08):全自动科技资讯周报团队(CrewAI)

摘要 CrewAI 是一个面向“角色扮演 + 流程编排”的多智能体框架,特别适合内容生产任务。其核心概念包括: Agent:定义角色、目标、背景与工具; Task:明确任务描述与预期输出; Crew:组合多个 Agent 和 Task,通过顺序或层级流程(如 Sequential)实现可控产出。 实战案例中,构建了一个自动生成科技资讯周报的虚拟编辑部,包含研究员(联网搜索新闻)、作家(撰写初稿)和主编(润色定稿)。通过配置工具链(真实搜索 + 降级模拟)和顺序流程,确保内容生产的依赖关系(研究→写作→编辑)

2026-08-13 01:58:49 17

原创 Agent-study项目教程(07):虚拟软件开发公司(AutoGen多智能体协作)

本文介绍了Multi-Agent系统在复杂任务处理中的应用,重点阐述了AutoGen框架的实现原理与实践。理论部分分析了单Agent的局限性(角色冲突、验收缺失等),提出通过分工协作(产品经理、工程师、用户代理)形成自动化闭环。实战部分展示了一个虚拟开发团队的构建过程,包括LLM配置、角色定义和群聊机制,实现从需求到代码交付的全流程自动化。项目通过贪吃蛇游戏案例,演示了自动执行、纠错和验收的完整协作链路,并强调了安全执行的重要性。最后提供了完整的代码实现和运行指南,展示了Multi-Agent系统在软件开发

2026-08-13 01:57:19 63

原创 Agent-study项目教程(06):AI智能写作与反思助手(LangGraph)

这篇技术文章介绍了如何利用LangGraph构建一个智能写作系统,通过图结构(Graph)实现写作流程的循环迭代。文章分为理论部分和实战部分: 理论部分: 论证了图结构比线性链更适合写作任务,能实现大纲生成、初稿撰写、审阅修改的循环流程 强调了状态(State)作为工作流上下文的核心作用,详细说明了各状态字段 将系统分解为Planner、Writer、Critique三个职责分离的节点 介绍了条件边(conditional edge)控制循环终止的机制 实战部分: 提供了完整的Python实现代码,包括状态

2026-08-13 01:55:53 175

原创 Agent-study项目教程(05):智能旅行行程规划师(LangChain LCEL)

本文介绍了基于LangChain LCEL构建的智能旅行行程规划系统。该系统通过声明式编排实现并行信息收集与链式处理,核心特点包括:1) 使用RunnableParallel并行获取天气与景点信息;2) 采用PydanticOutputParser确保结构化输出;3) 设计完备的降级机制,当API不可用时自动切换模拟数据。项目实现了一个完整流水线:输入目的地和天数后,系统自动整合实时信息,通过LLM生成包含每日活动、天气、预算等结构化行程,输出符合定义的Pydantic模型。该系统解决了传统手工编排的维护难

2026-08-13 01:54:22 206

原创 Agent-study项目教程(04):数学建模知识库助手(RAG)

本文介绍了RAG(检索增强生成)技术的原理与实现。RAG通过检索私有知识库解决大模型的知识边界和不可溯源问题,其核心流程分为构建索引、检索和生成三阶段。文章详细解析了文本切分(chunk_size=500, chunk_overlap=100)和中文向量模型(shibing624/text2vec-base-chinese)的选择要点,并提供了数学建模知识库问答助手的完整实现方案。项目采用PyMuPDF读取PDF、ChromaDB存储向量,通过检索Top-5相关片段并约束生成内容来实现精准问答。代码示例展示

2026-08-13 01:53:10 175

原创 Agent-study项目教程(03):手写 Mini-ReAct Agent(不依赖框架)

摘要: 本文介绍了Agent的核心原理与实现,重点围绕ReAct(Reasoning+Acting)框架展开,通过思考→选工具→执行→反馈的闭环完成多步任务。理论部分阐述了Agent与聊天机器人的区别,强调工具调用(如天气查询、计算器)和结果回灌的必要性,并解析了约束模型输出的方法(固定格式、Stop Sequence、正则解析)。实战部分展示了一个Mini-ReAct Agent的实现,包含工具定义、Prompt设计、循环逻辑及结果解析,支持多步推理(如“先查天气再计算”)。代码可直接运行,依赖模拟数据和

2026-08-13 01:51:01 207

原创 Agent-study项目教程(02):智能简历结构化提取工具

摘要 本文介绍了如何实现简历文本的结构化信息提取,将非结构化的简历内容转换为规范的JSON数据。通过Pydantic模型预先定义目标数据结构(包括教育经历、工作经历等字段),结合System Prompt、JSON Mode和低温度参数的三重约束,确保大语言模型稳定输出符合要求的结构化数据。项目提供了完整可运行的Python代码示例,包含环境配置、提示词设计、API调用和结果验证等环节,最终实现从简历文本到结构化JSON的自动化转换。这种方法适用于需要可靠结构化输出的Agent开发场景,便于后续的数据存储、

2026-08-13 01:48:53 237

原创 Agent-study项目教程(01):命令行智能聊天机器人

本文介绍了基于大语言模型构建命令行聊天机器人的核心原理与实现方法。理论部分阐明了多轮对话的本质(客户端维护历史消息)、上下文窗口限制及流式输出机制。实战部分通过Python代码示例,展示了如何实现具备多轮记忆、流式响应和基础交互功能的AI助手,关键点包括:维护messages对话历史、开启stream流式输出、异常处理等。该项目为后续开发更复杂的AI应用(如工具调用、智能体协作等)奠定了基础,揭示了对话式AI的核心工程逻辑。

2026-08-13 01:46:18 243

原创 大模型应用开发教程12 | LLMOps 与部署实战(FastAPI 后端 + 前端应用)

本文介绍了如何将单机运行的模型脚本升级为可复用的前后端分离应用。通过FastAPI构建后端服务,提供/health和/chat接口,实现模型调用、错误处理等功能;使用Streamlit开发前端聊天界面,实现用户交互。文中给出了完整的代码示例:后端服务处理AI模型请求并返回响应,前端调用API并展示对话流。最后说明了启动步骤:先运行后端服务,再启动前端应用。这种架构解决了脚本单机运行的局限性,实现了可复用、可观测的应用形态。

2026-08-12 00:26:04 194

原创 大模型应用开发教程11 | 模型微调入门(Fine-tuning)

本文介绍了大模型应用中Prompt、RAG和微调三种优化方法的区别与应用场景。Prompt用于表达需求约束输出,RAG作为外挂知识库补充新知识,微调则用于固化特定能力或风格。由于微调成本高且依赖数据质量,建议先用Prompt+RAG验证效果。文章重点演示了LoRA轻量微调流程,包含数据准备(生成问答数据集)和模拟训练(配置参数、训练过程、保存适配器权重)两个关键步骤,通过Python脚本完整展示了从数据生成到模型产出的闭环流程,为实际微调项目提供了清晰的实现思路。

2026-08-12 00:24:46 188

原创 大模型应用开发教程10 | Agent ReAct 框架实战(智能体)

本文介绍了ReAct(Reasoning + Acting)智能体框架的实现,用于处理需要多步决策的复杂任务。理论部分解释了ReAct的核心流程:模型循环执行Thought(推理)、Action(行动)和使用工具、Observation(观察结果)三个步骤。实践部分展示了一个最小化实现,包含搜索和计算两个工具,通过严格遵循ReAct格式的prompt指导模型分步执行任务。代码演示了美元兑换人民币的完整流程:先查询汇率,再进行计算,最终输出结果。这种结构可扩展为更复杂的多工具协作任务,体现了AI代理通过规划-

2026-08-12 00:23:34 226

原创 大模型应用开发教程09 | Function Calling 原理与实践(工具调用)

摘要: Function Calling(工具调用)使大模型能够根据用户需求生成结构化意图,通过外部工具获取实时数据或执行操作。本文以“智能天气助手”为例,展示完整实现流程: 定义工具:模拟天气查询函数,描述其参数规则。 模型决策:用户提问(如“北京天气?”)触发模型生成工具调用请求(函数名+参数)。 执行与反馈:程序执行真实函数(如查询天气API),将结果返回模型生成最终回答。 核心优势:模型仅输出调用意图,实际执行由代码控制,确保安全性与可扩展性。代码示例基于Python,通过OpenAI接口实现多轮对

2026-08-12 00:22:09 165

原创 大模型应用开发教程08 | 构建完整 RAG 应用(Chroma/FAISS 实战)

本文完整实现了RAG(检索增强生成)流程,包含建库、检索和生成三个关键环节。通过对比ChromaDB和FAISS两种向量存储方案:ChromaDB作为本地向量数据库提供完整持久化功能,而FAISS作为高效检索引擎需要额外处理数据映射。实践部分提供了两个可运行的问答脚本,均支持首次运行时从文本文件初始化知识库,并通过交互式问答验证效果。代码示例展示了ChromaDB版本的核心实现,包括自定义Embedding函数、知识库管理类以及基于检索结果的问答生成逻辑。两种方案在功能实现上保持一致,主要差异体现在向量存储

2026-08-12 00:20:38 215

原创 大模型应用开发教程07 | RAG 核心概念(检索增强生成)

这一篇我们把 RAG 的核心流程讲清楚,并用一个极简程序跑通了“向量化 + 相似度检索”的关键链路。通过这个实验,我们能直观看到:语义检索不是关键字匹配,而是通过 embedding 向量在语义空间里寻找相近内容。

2026-08-12 00:16:39 71

原创 大模型应用开发教程06 | 高级提示词策略(Few-shot / CoT / 结构化)

本文介绍了三种提升大模型输出稳定性和可用性的工程化提示词策略。Few-shot通过示例引导模型模仿特定格式;CoT(思维链)将复杂任务分解步骤以提高准确性;结构化输出则定义严格的JSON Schema确保结果可程序化处理。实践部分演示了简历解析案例,通过强提示约束提取JSON格式数据,并处理可能的输出异常。这三种策略能有效解决输出漂移和无法程序消费的问题,适用于信息抽取、工具调用等场景。代码示例展示了如何用系统提示和温度控制实现结构化输出。

2026-08-12 00:15:02 92

原创 大模型应用开发教程05 | 提示词工程基础(Prompt 入门)

这一篇我们掌握了提示词工程的“最小可用方法”:通过System Prompt(角色/规则)+ User Prompt(任务/输入)的组合,让模型输出从“随缘发挥”变成“可控生成”。

2026-08-12 00:13:28 164

原创 大模型应用开发教程04 | 多轮对话原理与实现(Chatbot)

本文介绍了多轮对话的实现原理与实践方法。理论部分指出,多轮对话并非模型具有记忆功能,而是每次请求都需要携带完整历史消息,由开发者维护对话状态。实践部分展示了一个命令行聊天机器人的实现代码,通过不断追加用户输入和AI回复到消息列表来保持上下文。该机器人支持多轮交互,具有系统角色设定、退出机制和错误处理功能。关键点在于每次都将AI回复加入历史消息,否则模型会"遗忘"之前的对话内容。

2026-08-11 23:55:21 224

原创 大模型应用开发教程03 | 第一个对话程序(Hello LLM)

本文介绍了如何通过OpenAI兼容协议调用智谱AI的大模型API进行基础对话开发。核心内容包括:1)调用原理(客户端、模型选择、消息格式、生成参数);2)实践案例演示,通过Python脚本实现环境变量加载、客户端初始化、请求发送与结果解析;3)代码示例展示完整调用流程,使用glm-4-flash模型完成简单对话任务。文中还提供了运行方式、预期输出及常见错误排查方法,帮助开发者快速实现与大模型的基础交互。

2026-08-11 23:50:40 270

原创 大模型应用开发教程02 | 基础与环境搭建(项目准备)

本文介绍了大模型应用开发的环境配置要点,强调可复现项目需要:隔离Python环境、统一依赖清单和安全的密钥管理。实践部分详细指导如何创建虚拟环境、安装依赖、配置.env文件(含API密钥保护),并提供了验证代码检查配置是否生效。通过标准化开发环境设置,确保项目可移植性,避免依赖冲突和密钥泄露风险。

2026-08-11 23:45:54 221

原创 大模型应用开发教程01 | 专栏导读与学习路线

本教程专为具备 Python 基础的开发者设计,旨在通过的方式,帮助你从零开始掌握大语言模型 (LLM) 的应用开发。我们摒弃了枯燥的纯理论讲解,而是通过一个个具体的代码实战项目(CLI 聊天机器人、RAG 知识库助手、AI Agent 智能体、全栈 Web 应用),带你一步步深入 LLM 的核心领域。

2026-08-11 23:41:00 269

原创 一文详解LLM Agent

摘要: LLM Agent是基于大型语言模型的智能代理系统,能自主执行任务并与环境交互。主要类型包括任务型、对话型、工具增强型和多Agent协作系统。其工作流程涵盖感知输入、意图解析、工具调度、执行验证和输出生成。开发者可通过Python框架(如LangChain)构建基础Agent,并通过记忆机制、工具链扩展和安全管控增强功能。调试时可查看决策日志、拆解任务或通过示例修正行为。

2025-09-29 21:08:47 620

原创 一文详解RAG

摘要: RAG(检索增强生成)是一种结合信息检索与文本生成的技术,通过实时检索外部知识库提升生成内容的准确性和时效性。其核心包括检索模块(稠密/稀疏检索)和生成模块(如GPT),协同工作实现动态知识融合。构建RAG需关注高效检索方法(如FAISS)、生成模型选择及数据对齐优化。实现时可用Hugging Face工具链,通过索引构建和端到端流程完成系统搭建,并调优检索参数与生成效果。RAG适用于需外部知识的场景,如开放域问答,解决了传统模型知识滞后问题。

2025-09-29 21:00:18 1108

原创 大模型微调

大模型微调是在预训练模型基础上,通过特定任务数据调整参数使其适应下游任务,包括全参数微调和参数高效微调。监督式微调(SFT)利用标注数据,通过交叉熵损失反向传播更新参数,需注意数据质量、学习率策略和早停机制。参数高效微调方法主要有Adapter(插入小型全连接网络)、Prefix Tuning(添加可训练前缀向量)和LoRA(低秩矩阵分解)。全参数微调更新全部参数,适配能力强但计算成本高;部分微调仅更新少量参数,计算成本低且过拟合风险小。两种方法适用于不同场景,如大数据领域或资源受限任务。

2025-09-29 20:40:06 1195

原创 Prompt提示词(保姆级教程)

本文系统介绍了Prompt(提示词)的概念与应用。Prompt是引导AI生成特定输出的文本输入,广泛应用于内容创作、编程辅助、数据分析等场景。文章重点阐述了结构化Prompt框架,包括角色、任务、格式三要素,并详细解析了APE、CARE、RACE等9种进阶框架。还提供了讯飞星火、OpenAI等Prompt学习资源,涵盖从基础到高级的Prompt构建方法,帮助用户更高效地使用AI模型。

2025-09-10 16:12:58 989

原创 LLM的训练过程

大型语言模型(LLM)训练分为预训练(Pretrain)、有监督微调(SFT)和人类反馈强化学习(RLHF)三个阶段。预训练是核心阶段,使用海量无监督文本训练Decoder-Only架构模型,遵循Scaling Law确定模型参数与训练数据比例,需要大规模分布式计算资源(如Deepspeed框架的ZeRO优化策略)。数据清洗与质量对预训练效果至关重要。SFT阶段通过指令微调激发模型能力,训练指令遵循与多轮对话能力。RLHF阶段通过强化学习(如PPO算法)使模型输出更符合人类价值观,其中奖励模型(RM)评估回

2025-06-26 15:58:35 1288

原创 大语言模型介绍

大语言模型(LLM)已成为NLP领域的新范式,其参数量级(十亿至千亿)和涌现能力远超传统预训练模型(PLM)。LLM的核心能力包括:上下文学习(无需微调)、指令遵循(泛化处理新任务)、逐步推理(解决复杂逻辑问题)以及多语言/长文本处理。典型代表GPT-3/ChatGPT通过三阶段训练实现突破,但也存在幻觉(生成虚假信息)等固有缺陷。当前研究正探索多模态扩展和缓解幻觉的方法,标志着大模型时代的全面到来。

2025-06-26 14:26:04 1301

原创 预训练语言模型之:Encoder-only PLM

本文系统分析了BERT、RoBERTa和ALBERT三大Transformer编码器模型的演进。BERT通过双向预训练和MLM任务开创了语言模型新范式;RoBERTa优化训练策略,取消NSP并扩大数据量,显著提升性能;ALBERT采用参数共享和嵌入分解实现轻量化。三者各具优势:BERT通用性强,RoBERTa精度高,ALBERT效率突出。这些创新推动NLP技术在搜索、客服等领域的应用突破,展现了参数优化与训练策略改进对模型性能的关键影响。

2025-06-24 16:24:38 1130

原创 Transformer:现代自然语言处理的革命性架构

Transformer模型革新了自然语言处理,完全基于自注意力机制取代传统RNN结构。其创新架构包括:1)多头自注意力层并行处理长距离依赖;2)位置编码保留序列信息;3)残差连接和层归一化解决梯度消失;4)掩码机制实现序列生成。通过堆叠编码器-解码器结构,Transformer克服了传统序列模型的并行计算瓶颈,成为BERT、GPT等现代NLP模型的基石。实验证明,该架构在机器翻译等任务中表现出色,显著提升了训练效率和模型性能。

2025-06-21 19:04:23 942

原创 注意力机制

注意力机制

2025-06-20 20:09:21 1100

原创 文本表示的发展概述

文本表示是自然语言处理的基础技术,旨在将文本数据转化为计算机可处理的数字化形式。主要方法包括:向量空间模型(如词频TF-IDF)、N-gram语言模型(基于统计的概率模型)、Word2Vec词嵌入技术(包括CBOW和Skip-Gram两种架构)以及动态词向量ELMo。这些方法各有特点:传统向量模型简单高效但稀疏,N-gram面临数据稀疏问题,Word2Vec能捕捉语义关系但局限局部上下文,ELMo实现动态词向量但计算复杂度高。文本表示的质量直接影响后续NLP任务的效果,需要在语义保留和计算效率之间取得平衡。

2025-06-13 14:16:04 904

原创 transforms方法

Transforms是PyTorch中用于图像数据预处理的工具,主要提供数据增强功能来提升模型泛化能力。它支持将PIL图像或NumPy数组转换为Tensor进行处理后再转回PIL格式。常用变换包括:CenterCrop(中心裁剪)、RandomCrop(随机裁剪,可设置填充参数)、RandomResizedCrop(随机比例和大小裁剪)、FiveCrop(四角+中心裁剪)和TenCrop(生成10张镜像增强图像)。这些方法通过调整图像尺寸、比例和填充模式等参数,实现对训练数据的多样化增强,有效扩充数据集规模

2025-06-13 14:03:07 626

原创 NLP 基础概念

摘要:NLP(自然语言处理)是让计算机理解、生成人类语言的人工智能技术,涉及多学科交叉。其核心任务包括:中文分词(切分连续中文文本)、子词切分(解决词汇稀疏问题)、词性标注(标记单词词性)、文本分类(自动归类文本)、实体识别(提取人名地名等)、关系抽取(识别实体间语义关系)、文本摘要(生成内容概要)、机器翻译(跨语言自动翻译)和自动问答(理解并回答自然语言问题)。这些任务为语言技术发展奠定了基础,广泛应用于信息处理、知识图谱构建等领域。

2025-06-13 13:52:02 1221

原创 Git与GitHub:理解两者差异及其关系

什么是Git?Git是一个设计用来高效处理从小到大项目的分布式版本控制系统(DVCS)。它由林纳斯·托瓦兹于2005年为Linux内核的开发而创建。Git允许多个开发者同时在一个项目上工作,而不会覆盖彼此的更改。什么是GitHub?GitHub是一个提供软件开发和版本控制使用Git托管的基于Web的平台。它由汤姆·普雷斯顿-沃纳、克里斯·万斯特拉思、PJ·海特和斯科特·查孔于2008年创立,并于2018年被微软收购。GitHub为开发者提供了一个共享、审查和管理代码的合作环境。

2025-03-08 18:10:16 2209

原创 Pyecharts之图表组合与布局优化

在实际应用中,我们可以根据数据的特点和分析需求,灵活选择使用 Tab 组件、Page 组件或 Timeline 组件。Tab 组件适合用户切换查看不同类型的图表,Page 组件适合将多个图表排列在一起展示,而 Timeline 组件则适用于展示数据的时间序列变化。你可以根据需要调整每个图表的样式、数据和颜色,以满足不同的可视化需求。

2025-01-25 21:19:58 2035 1

原创 Pyecharts之词云图、面积图与堆叠面积图

通过这三个示例,我们可以看到 Pyecharts 在数据可视化方面的强大功能,无论是词云图对文本数据的精彩展示,还是面积图和堆叠面积图对数据趋势和分层关系的呈现,都为我们提供了多样化的数据展示手段。

2025-01-25 21:02:18 961

原创 Pyecharts之地图图表的强大功能

在实际使用中,GEO 地图添加自定义坐标是一个很有用的功能。# 假设我们要添加一个自定义地点的坐标,例如 "自定义地点"geo.add_coordinate("自定义地点", 120.00, 30.00)# 为自定义地点添加数据geo.add("自定义数据系列", [("自定义地点", 50)], type_="scatter")title_opts=opts.TitleOpts(title="GEO 地图添加自定义坐标示例"),return geo代码解释首先,我们导入Geo类和。

2025-01-25 21:00:55 1793

原创 Pyecharts之特殊图表的独特展示

象形图是一种使用自定义图形来表示数据的图表,比普通的柱状图更加形象生动。下面是# 使用自定义图形,这里使用 'circle' 作为示例"",y_data,symbol='circle', # 自定义图形为圆形title_opts=opts.TitleOpts(title="象形图自定义图形"),xaxis_opts=opts.AxisOpts(is_show=False), # 隐藏 x 轴yaxis_opts=opts.AxisOpts(is_show=False) # 隐藏 y 轴。

2025-01-25 21:00:02 1152

多种群遗传算法的函数优化算法代码.rar

多种群遗传算法的函数优化算法代码.rar

2023-10-20

基于AR预测模型的未来油价预测代码.rar

基于AR预测模型的未来油价预测代码.rar

2023-10-20

普通多目标优化算法代码.rar

普通多目标优化算法代码.rar

2023-10-20

量子遗传算法代码.rar

量子遗传算法代码.rar

2023-10-20

基于遗传算法的优化计算-建模自变量降维代码.rar

基于遗传算法的优化计算-建模自变量降维代码.rar

2023-10-20

基于深度优先搜索算法图论代码.rar

基于深度优先搜索算法图论代码.rar

2023-10-20

混合粒子群算法求解TSP问题代码.rar

混合粒子群算法求解TSP问题代码.rar

2023-10-20

基于Logistic回归模型评估企业还款能力代码.rar

基于Logistic回归模型评估企业还款能力代码.rar

2023-10-20

免疫优化算法在物流配送中心选址中的应用代码.rar

免疫优化算法在物流配送中心选址中的应用代码.rar

2023-10-20

基于遗传算法的Bp神经网络优化算法代码.rar

基于遗传算法的Bp神经网络优化算法代码.rar

2023-10-20

改进蚁群算法求解连续空间优化问题代码.rar

改进蚁群算法求解连续空间优化问题代码.rar

2023-10-20

多种遗传算法优化论文与代码.rar

多种遗传算法优化论文与代码.rar

2023-10-20

多目标快速非支配排序遗传算法优化代码.rar

多目标快速非支配排序遗传算法优化代码.rar

2023-10-20

基于BP-Adaboost算法的公司财务预警建模代码.rar

基于BP-Adaboost算法的公司财务预警建模代码.rar

2023-10-20

混沌时间序列的RBF神经网络预测代码.rar

混沌时间序列的RBF神经网络预测代码.rar

2023-10-20

蚁群算法求解TSP问题matlab代码.rar

蚁群算法求解TSP问题matlab代码.rar

2023-10-20

人工鱼群求解TSP问题源代码.rar

人工鱼群求解TSP问题源代码.rar

2023-10-20

基于蚁群算法的二维路径规划代码.rar

基于蚁群算法的二维路径规划代码.rar

2023-10-20

改进非支配邻域免疫算法目标优化代码.rar

改进非支配邻域免疫算法目标优化代码.rar

2023-10-20

多目标粒子群优化算法代码.rar

多目标粒子群优化算法代码.rar

2023-10-20

强化学习之课程学习法实战代码

强化学习之课程学习法实战代码

2024-11-08

强化学习之SAC算法实战完整代码

强化学习之SAC算法实战完整代码

2024-10-16

强化学习之PPO算法实战完整代码

强化学习之PPO算法实战完整代码

2024-10-16

强化学习之DDPG算法案例实战完整代码

强化学习之DDPG算法案例实战完整代码

2024-10-16

强化学习之DQN算法案例实战完整代码

强化学习之DQN算法案例实战完整代码

2024-10-16

强化学习之Q-learning算法案例实战代码

强化学习之Q-learning算法案例实战代码

2024-10-15

巴黎奥运会中国奖牌数据分析

巴黎奥运会中国奖牌数据分析

2024-08-15

巴黎奥运会各国奖牌数据可视化代码

巴黎奥运会各国奖牌数据可视化代码

2024-08-14

时间序列预测模型:ARIMA模型数据集

ARIMA附属数据集

2024-06-24

Python图书管理系统.rar

一个简单的图书管理系统,这个系统应该能够让用户添加新书籍、删除书籍、搜索书籍,并列出所有书籍

2023-12-02

opencv人脸识别.rar

基于OpenCV的Haar特征级联分类器,它是一种经典的机器学习方法,用于人脸识别。

2023-12-02

wine数据集机器学习代码 .rar

机器学习实战项目:针对wine数据集进行数据预处理,数据可视化,数据分析,以及机器学习建模进行分类预测。

2023-12-02

2023MathorCup大数据挑战赛数据集.rar

2023MathorCup大数据挑战赛数据集.rar

2023-10-31

基于SVM神经网络的上证开盘指数预测回归预测分析代码.rar

基于SVM神经网络的上证开盘指数预测回归预测分析代码.rar

2023-10-20

小波神经网络的时间序列预测代码.rar

小波神经网络的时间序列预测代码.rar

2023-10-20

微粒群算法结合灰色系统理论进行预测.rar

微粒群算法结合灰色系统理论进行预测.rar

2023-10-20

离散灰色预测模型和AR预测模型的组合预测.rar

离散灰色预测模型和AR预测模型的组合预测.rar

2023-10-20

基于灰色神经网络的订单需求预测代码.rar

基于灰色神经网络的订单需求预测代码.rar

2023-10-20

基于广义回归神经网络货运量预测代码.rar

基于广义回归神经网络货运量预测代码.rar

2023-10-20

基于单层竞争神经网络的患者癌症发病预测代码.rar

基于单层竞争神经网络的患者癌症发病预测代码.rar

2023-10-20

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除