RIKI_1-CSDN博客

原创【人工智能学习】8_人工智能其他通用技术

搭建知识图谱的核心就在于对业务的理解以及对于知识图谱本身的设计；设计离不开对业务的深入理解以及对未来业务场景变化的预估；

2024-09-19 18:05:49 1014

声道：录制声音时，在不同的空间位置采集的相互独立的音频信号。声道数也就是声音录制时的音源数量。常见的音频数据为单声道或双声道（立体声）比特率：数据传输单位时间内传输的数据位数，也就是每秒的传输速率。比特率越高，传送数据速度越快。音频采样率：音频采样率是指录音设备在一秒钟内对声音信号的采样次数，采样频率越高，传送数据速度越快。音频采样位数：采样值或取样值，即是将采样样本幅度量化。用来衡量声音波动变化的参数，或是声卡的分辨率。数值越大，分辨率越高，发出声音的能力越强。

2024-09-19 16:10:53 1267

原创【人工智能学习笔记】6_自然语言处理基础

文本分类技术能够对文本按照一定的分类标准进行自动分类标记；机器自动化标注的文本数据具有一致性、高质量等特点；利用待分类数据的特征与类别进行匹配，选择最优的匹配结果作为分类结果。文本分类实现流程文本分类从给定的标签集合中自动地给文本打标签，应用广泛。文本分类技术的应用场景如下：邮件属性分类：判断是否为垃圾邮件；检测邮件类别；广告内容审核：判断是否为广告；判断是否为灌水评论；判断内容是否违规；新闻分类推送：判断新闻类别；按类别推送新闻。互联网用户生产的带有主观性的文本有助于制定决策；

2024-09-15 19:55:30 756

原创【人工智能学习笔记】5 计算机视觉基础

又称为数码图像或数位图像是用一个数字矩阵来表达客观物体的图像；是由模拟图像数字化得到的；是一个离散采样点的集合，每个点具有其各自的属性；是以像素为基本元素的图像；可以用数字计算机或数字电路存储和处理的图像。

2024-09-11 20:21:01 1252

原创【人工智能学习笔记】4_4 深度学习基础之生成对抗网络

一种深度学习模型，通过判别模型（Discriminative Model）和生成模型（Generative Model）的相互博弈学习，生成接近真实数据的数据分布或对输入数据进行分类；近年来复杂分布上无监督学习最具前景的方法之一。

2024-09-10 17:45:45 526

原创【人工智能学习笔记】4_3 深度学习基础之循环神经网络

是一类以序列（sequence）数据为输入，在序列的演进方向进行递归（recursion）且所有节点（循环单元）按链式连接的递归神经网络（recursive neural network），循环神经网络具有短期记忆能力。

2024-09-10 16:00:52 1324

原创 [【人工智能学习笔记】4_3 深度学习基础之卷积神经网络

卷积神经网络（Convolutional Neural Network, CNN）一种带有卷积结构的深度神经网络，通过特征提取和分类识别完成对输入数据的判别；在1989年提出，早期被成功用于手写字符图像识别；2012年更深层次的AlexNet网络取得成功，伺候卷积神经网络被广泛应用于各个领域。

2024-09-09 18:40:36 963

原创【人工智能学习笔记】4_2 深度学习基础之多层感知机

激活函数是一种在人工智能神经网络的神经单元上运行的函数，旨在帮助网络学习数据中的复杂模式，负责将神经元节点的输入映射到输出端常见激活函数：Sigmoid函数、Tanh函数、ReLU函数等等。

2024-09-09 15:49:17 871

原创【人工智能学习笔记】4_1 深度学习基础之深度学习概述

深度学习框架的选择往往需要考虑多方面的因素，如学习门槛、上手难度、开发速度、易用性等。

2024-09-08 16:20:12 745

原创【人工智能学习笔记】3_2 机器学习基础之机器学习经典算法介绍

定义：逻辑回归是一种广义线性回归，在线性回归的基础上添加非线性变换，使得逻辑回归输出值为离散值任务类型：分类应用场景：学生考试成绩预测、雾霾天气预测回归任务示例定义：将样本数据升维，使低维非线性可分变为高维线性可分常见的核函数线性核函数径向基核函数多项式核函数Sigmoid核函数。

2024-09-08 13:56:51 763

原创【人工智能学习笔记】3_1 机器学习基础之机器学习概述

定义：通过技术的手段，利用已有的数据（经验）开发可以用来对新数据进行预测的模型主要方向：1.基于学习方式的划分；2.基于学习策略的划分基于学习方式的划分：根据输入的数据是否需要进行标注进行划分有监督学习有监督学习的过程输入数据：为“训练数据”，每组训练数据有明确标识学习过程：将预测过程与“训练数据”的实际结果进行比较，不断调整预测模型，直到模型预测结果达到一个预期的准确率应用场景：分类、回归。

2024-09-07 16:53:06 561

原创【人工智能学习笔记】2_数据处理基础

概念：通过分类、画框、标注等对语音、图片、文本数据进行处理。提高训练的准确度标注分类：语音标注、图片标注、文本标注等具体方法：通过画框描点等方法对数据打标签，给后续处理提供训练信息应用场景：语音识别、无人驾驶、证件识别等场景重要性：准确性、数量影响数据集的质量。

2024-09-07 14:38:25 271

原创【人工智能学习笔记】1_人工智能基础

感知、记忆与思维、学习与适应能力人工智能的定义明斯基：“人工智能是一门科学，是使机器做那些人需要通过智能来做的事情”尼尔森：“人工智能是关于知识的科学”人工智能作为一门学科，是研究、开发用于模拟、延伸和拓展人的智能的理论、方法、技术及应用系统的一门新的技术科学，研究范围包括：机器人、语言识别、图像识别、自然语言处理等…人工智能的历史人工智能的三大学派符号主义学派连接主义学派/仿生学派/生理学派行为主义学派/进化主义/控制论学派人工智能的研究目标。

2024-09-06 18:02:09 658

原创【浅学】大模型（科普向_持续更新中）

大模型是指具有数千万甚至数亿参数的深度学习模型。当我们提及大模型时，通常指的是大语言模型（Large Language Model，简称LLM），即文字问答模型，其典型代表便是OpenAI的GPT系列。然而，随着技术的日新月异，大模型已经不单单局限于自然语言处理（Natural Language Processing）领域的发光发热，而是逐渐渗透到了其他多个领域。

2024-04-14 17:23:17 1735

原创【趣味学算法】16_递归练习

我们宿舍买了一箱薯片，第一天吃掉了其中一半后又多吃了一包(且不存在吃半包的情况)，第二天照此方法吃完剩下的一半后又多吃一包，每天如此，直到第 10 天早上，发现只剩下一包薯片了。这里可以直观的看出往里套了九层，而fun(1)也算一次调用，所以总共是10次调用，如果想通过代码知道这个递归调用了几次该怎么实现呢。第二天吃掉第一天的一半就是5包，然后额外加1包，就是吃了6包，还剩4包：4=10 -（10/2+1）第三天吃掉第二天的一半就是2包，然后额外加1包，就是吃了3包，还剩1包：1=4-（4/2+1）

2024-04-11 12:09:41 978

原创【动手学深度学习】15_汉诺塔问题

首先考虑A座最下面的盘子移动到C座，如果能将上面的63个盘子从A座借助C座移到B座，再将63个盘子从B座借助A座移到C座，那任务即可完成，以此类推~直到仅有一个盘子的情形，则将一个盘子从一个座移动到另一个座，问题也就全部得到解决。由以上描述我们可以知道递归算法的一些特征，为了求解规模为 N 的问题，应先设法将该问题分解成一些规模较小的问题，从这些较小问题的解可以方便地构造出大问题的解。同时，这些规模较小的问题也可以采用同样的方法分解成规模更小的问题，并能从这些规模更小的问题的解中构造出规模较小问题的解。

2024-04-10 19:53:34 532

原创【趣味学算法】14_梅森素数

那么让我们来验证验证歌德巴赫猜想对 2333 以内的正偶数都是成立的，即2333以内的不小于4的正偶数都能够分解为两个素数之和，实现思路当然也很简单啦就是将整数分解为两个正整数，再判断这两个正整数是否都为素数，输出最小的一组分解结果即可代码实现如下。哥德巴赫猜想（Goldbach’s conjecture）是数论中存在最久的未解问：用现代的数学语言，哥德巴赫猜想可以陈述为：任一大于 2 的偶数，都可表示成两个素数之和。都是梅森素数，n 为 2，3，5，7 时，结果都是梅森素数，但是当 n 为 11 时，

2024-04-09 15:29:10 931

原创【边缘智能】00_边缘计算发展背景

移动物联设备产生海量数据，数据密集型移动智能应用，计算密集、动态性高，实时性强。

2024-04-07 22:01:32 404

原创【趣味学算法】13_素数

那么要判断一个整数a是否为素数就是要判断整数a能否被除1和它自身以外的任何整数所整除，如果不能整除则a为素数。根据以上列出的因数组合可以看出在4的平方之后的因数跟之前是对称的，所以我们只需要判断在。素数就是只能被1和它自身整除的整数（注意0和1既不是质数也不是合数）。可以拆成两个因数相乘，这两个因数一定一个小于等于。注：本系列仅为个人学习笔记，学习内容为。这里再介绍一个合数的概念，合数。

2024-04-05 17:50:59 830

原创【趣味学算法】12_自守数

以上代码就是一一列举相应位数的可能进行判断，那么换个思路我们可以直接通过该数的位数来确定幂的次数。自守数是指一个数的平方的尾数等于该数自身的自然数，例如：5。更进阶的写法就是通过列表解析式一行代码就能实现啦。那么要求100000以内的自守数该怎么实现呢？注：本系列仅为个人学习笔记，学习内容为。

2024-04-05 15:32:25 330

原创【趣味学算法】11_黑洞数

根据上面的的操作可以得出对于任意一个数字不完全相同的整数，最后结果总会陷入黑洞圈或黑洞数里，最后结果一旦为黑洞数之后无论重复多少次重排求差结果都是一样的，因此可以通过判断连续的两次结果是否相等来作为黑洞数的依据。再用208计算一次：820-028=792, 972- 279=693，963-369=594,954-459=495，也是停止到495，所以495是三位黑洞数。黑洞数又称陷阱数，是指任何一个数字不全相同的整数，在经过有限次“重排求差”操作后，总会得到某一个或某一些数，这些数即为黑洞数。

2024-04-04 17:10:45 234

原创【动手学深度学习】0 背景知识_符号说明及环境安装说明

注：本文为开源内容，部分标注了个人理解，仅为个人学习记录，无抄袭搬运意图，我个人记录符号说明这个部分是为了练习LaTeX公式语法，感兴趣的可自行参考以及学习。

2024-04-02 17:00:08 258

原创【浅学】RAG检索增强生成（Retrieval Augmented Generation）案例实践

本笔记所记录学习内容主要为。

2024-03-26 17:55:15 1905 4

原创【浅学】星火知识库文档检索生成问答Demo实测

实名认证过就可以开通免费的部分。用这个纯粹是因为免费，关于这个大模型的使用体验啥的不做评价，大家可以也选择自己喜欢的其他模型，如使用其他模型则下文代码中的API接口调用部分需要自行根据所选模型的文档说明进行调整。

2024-03-26 17:49:53 813

原创【浅学】RAG检索增强生成（Retrieval Augmented Generation）理论

RAG的全称是Retrieval-Augmented Generation，中文翻译为检索增强生成。它是一个为大模型提供外部知识源的概念，这使它们能够生成准确且符合上下文的答案，同时能够减少模型幻觉。RAG被构建为一个应用于大型语言模型的框架，其目标是通过结合大模型的生成能力和外部知识库的检索机制，提升自然语言处理任务的效果。RAG并非旨在取代已有的知识库问答（KBQA）系统，而是作为一种补充，利用检索机制强调实时性和准确性，从而弥补大型语言模型固有的局限性。

2024-03-25 20:44:09 1330

原创【踩坑随笔】 text_splitter.split_documents(documents)拆分块不对

运行结果输出的Document并没有拆分，输出跟原来的Document一样，程序执行并没有报错暂时没明白是什么问题，可能是因为langchain官方库更新了。为了实现类似的输出效果，参考langchain官方文档修改了一下。时，遇到了一个bug，记录一下解决过程。

2024-03-25 17:51:43 581

原创【踩坑随笔】Kaggle安装langchain相关依赖报错

主要是版本不匹配，报错什么就再加载什么就可以了，执行下面的语句。安装langchain相关依赖报错的时候出现了以下报错。然后按下面的图重启一下kernel。kaggle执行语句。

2024-03-22 19:39:52 458

原创【浅学】讯飞星火大模型API，实名认证免费领一年有效期的200万Token

讯飞星火大模型免费领200万Token

2024-03-22 18:11:29 781

原创【趣味学算法】10_摩尔投票法

否则，不存在主要元素）。接下来代码实现对抗和计数，先将主要元素初始化为第一个元素，对抗阶段就遍历获取列表中的数字，与主要元素比较，如果相等那么计数+1，如果不等就抵消掉，计数-1，当计数为0时，将下一个元素设为主要元素继续对抗抵消，遍历完后，判断最终赢家的总数量时候否符合超过半数的要求即可。在让我们提升一下难度，假设有列表[1,2,1,1,3,1,2,3,2,2,1]利用“摩尔投票法”来找出占比数量最多的两个元素（注意：这两个元素的数量都需要超过总数的三分之一）注：本系列仅为个人学习笔记，学习内容为。

2024-03-18 18:01:08 414

机器学习入门课程ppt

空空如也