- 博客(87)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 快速上手 iFlow CLI：你的终端 AI 助手
iFlowCLI是一款基于终端的AI编程助手，具有命令行集成、代码分析、文件操作等功能，适合开发者、DevOps工程师等群体使用。安装要求Node.js 22+版本，可通过一键脚本或npm安装，但需注意Node版本管理、环境变量配置等常见问题。官方提供了详细安装指南和避坑方案，帮助用户快速部署并体验其智能终端编程能力。
2025-09-28 17:09:42
2364
原创 用Transformer 训练个东风快递智能攻击识别系统
训练一款具备自动识别拦截导弹并躲避、识别目标并攻击薄弱点或核心点能力的东风系列洲际快递，需要结合多种AI技术、传感器系统和军事工程领域的协同创新。以下是作者假想的技术方案和训练思路：多模态传感器融合：导弹需搭载雷达、红外成像、激光雷达（LiDAR）、可见光摄像头等传感器，实时感知周围环境（如拦截导弹、目标设施、地形等）。AI目标识别模型：动态避障算法：预测拦截导弹轨迹：目标脆弱性分析：多弹头协同打击：真实数据采集：数字孪生仿真：分阶段训练：联合训练：实时性要求：对抗环境中的鲁棒性：伦理与安全性：通过整合多
2025-09-08 16:18:47
923
原创 LSTM与xLSTM：深度学习的记忆革命者
LSTM进化之路：从解决梯度消失到挑战Transformer 摘要：LSTM通过门控机制解决了RNN的长期依赖问题，成为2010年代NLP主导技术。然而2017年Transformer凭借并行计算优势逐渐取代LSTM。2024年，LSTM原创团队提出xLSTM，通过指数门控和矩阵内存两大创新突破传统局限：1）采用指数激活函数增强记忆调整能力；2）矩阵存储替代标量单元提升容量；3）实现完全并行处理。实验显示xLSTM在语言建模等任务中优于Transformer，展现出良好的扩展性。
2025-09-08 10:34:40
1317
原创 AI助力决策：告别生活与工作中的纠结，明析抉择引领明智选择
AI决策工具为生活工作中的纠结选择提供新思路。"明析抉择"微信小程序凭借AI技术优势，在功能深度、个性化建议和便捷性上表现突出：相比决策树应用减轻用户建模负担，比SWOT分析更深入挖掘数据，比智能助手提供更专业分析，比商业BI工具更易用经济。该工具通过自动生成包含优劣势、关键因素等维度的详细报告，帮助用户快速获得定制化决策支持，尤其适合职场转型、创业规划等复杂场景。不同工具各具特色，用户可根据具体需求选择最合适的决策助手。
2025-09-05 15:19:45
1025
原创 24小时极速生成！用DeepSeek打造炫酷在线简历！
以上内容为deepseek自己最过程的总结生成内容，供大家参考！DeepSeek会自动生成对应HTML/CSS代码并实时预览。2. 左右分栏布局（左：教育/技能，右：工作经历）核心价值：通过自然语言对话即可完成专业级网页开发。提示：选择「响应式网页」模板作为基础框架。1. 顶部头像+姓名+职业标签。3. 动态进度条展示技能熟练度。4. 确保手机端友好显示。系统会自动注入高度补偿代码。
2025-09-05 08:56:35
736
原创 Transformer革命：从序列建模到人工智能新时代的核心引擎
Transformer架构的出现无疑是人工智能领域的一个转折点，它不仅推动了自然语言处理的飞速发展，也为多模态学习和通用人工智能奠定了基础。从2017年原始Transformer的提出，到如今GPT-5等强大模型的涌现，Transformer家族已经成长为实现人工智能应用的核心引擎。
2025-09-04 14:52:13
1233
原创 LLM大模型时代：生活服务领域的“生存革命“与新生态重构
LLM大模型带来的不是行业寒冬，而是一场"服务进化论"。当技术能够精准识别每一个用户的需求痛点，当数据可以实时反馈服务的质量缺口，那些固守传统模式的企业注定被淘汰，而主动拥抱变革者将获得重新定义行业规则的机会。这场革命的最终受益者，将是每一个渴望更美好生活的普通人——毕竟，技术的温度，终究体现在它如何让日常变得更简单、更美好。以上内容由文心人工智能生成。
2025-08-04 17:15:59
993
原创 四十四、【人工智能】【机器学习】- Kernel Ridge Regression（KRR）
监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。在监督学习过程中，算法“学习”的依据是这些已标记的例子，目标是找到输入特征与预期输出之间的映射关系。Kernel Ridge Regression（KRR）是一种监督学习方法，用于回归问题。它结合了核方法和岭回归的优点，通过在特征空间中使用内积运算来解决非线性回归问题。
2024-08-29 09:45:40
1895
1
原创 四十五、【人工智能】【机器学习】- Robust Regression（稳健回归）
监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。在监督学习过程中，算法“学习”的依据是这些已标记的例子，目标是找到输入特征与预期输出之间的映射关系。Robust Regression（稳健回归）是一种统计方法，旨在处理存在异常值或离群点的数据集。与传统回归方法相比，Robust Regression 更能抵抗这些异常值的影响，从而产生更可靠的结果。
2024-08-29 09:45:37
1426
原创 最新消息，IBM中国研发部门重大调整
此次调整影响到了IBM中国研发部门（IBMV）下属的IBM中国开发中心（CDL）和IBM中国系统中心（CSL），涉及北京、上海、大连等地的研发和测试岗位员工，人数大约有一千多人。IBM大中华区首席技术官谢东表示，IBM中国研发团队仍然是IBM全球研发体系中的重要一环，IBM将继续推进生成式AI和数据平台watsonx在中国市场的应用。尽管IBM中国研发部门正在进行重大调整，但IBM依然对中国市场充满信心，并将继续深化与中国客户的合作，推动企业级AI的应用扩展。
2024-08-28 09:51:55
645
原创 四十四、【人工智能】【机器学习】- Bayesian Logistic Regression
监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。在监督学习过程中，算法“学习”的依据是这些已标记的例子，目标是找到输入特征与预期输出之间的映射关系。Bayesian Logistic Regression是一种将贝叶斯统计方法应用于Logistic回归模型的统计学方法。
2024-08-27 10:11:17
863
原创 四十三、【人工智能】【机器学习】- Gradient Descent（梯度下降）
监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。在监督学习过程中，算法“学习”的依据是这些已标记的例子，目标是找到输入特征与预期输出之间的映射关系。Gradient Descent（梯度下降）算法是一种迭代优化算法，用于求解最小化问题，特别是在机器学习和深度学习领域中寻找损失函数的最小值。
2024-08-27 10:07:54
1121
原创 四十二、【人工智能】【机器学习】- Multinomial Naive Bayes（多项式朴素贝叶斯分类器）
监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。在监督学习过程中，算法“学习”的依据是这些已标记的例子，目标是找到输入特征与预期输出之间的映射关系。Multinomial Naive Bayes（多项式朴素贝叶斯分类器）是一种基于贝叶斯定理的分类方法，特别适合处理特征可以被看作是事件出现次数的情况，例如文档分类中词频的计数。
2024-08-26 15:16:21
1259
原创 9:00面试，9:05就出来了，问的问题有点出乎意料！
从小厂跳槽出来，本以为能在新公司大展拳脚，没想到没多久就再次遭遇困境。入职初期，加班成了家常便饭，尽管如此，考虑到薪酬还算可观，我并没有过多抱怨。然而，到了六月，一纸通知打破了平静——公司宣布薪资要下调百分之四十。这样一来，连基本的生活开销都成了问题。这一连串的变故让我措手不及，原本满怀期待的心情瞬间跌入谷底。面对突如其来的挑战，我不得不重新审视自己的职业规划，并思考下一步该何去何从。原本以为自己会在这家新公司大展拳脚，谁知道还没来得及施展抱负，就遭遇了如此重大的打击。
2024-08-26 15:04:25
2530
原创 四十、【人工智能】【机器学习】- 梯度下降（Gradient Descent Algorithms）算法模型
监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。在监督学习过程中，算法“学习”的依据是这些已标记的例子，目标是找到输入特征与预期输出之间的映射关系。Gradient Descent（梯度下降）算法是一种迭代优化算法，用于求解最小化问题，特别是在机器学习和深度学习领域中寻找损失函数的最小值。
2024-08-19 11:12:31
1168
原创 四十一、【人工智能】【机器学习】- Bayesian Logistic Regression算法模型
监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。在监督学习过程中，算法“学习”的依据是这些已标记的例子，目标是找到输入特征与预期输出之间的映射关系。Bayesian Logistic Regression是一种统计建模方法，它结合了Logistic回归的原理和贝叶斯统计的框架。
2024-08-19 11:12:00
1341
原创 三十八、【人工智能】【机器学习】【监督贝叶斯网络（Bayesian Networks）学习】- 算法模型
监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。在监督学习过程中，算法“学习”的依据是这些已标记的例子，目标是找到输入特征与预期输出之间的映射关系。Bayesian Networks（贝叶斯网络），也称为信念网络或概率有向无环图模型，是一种用于表示变量间的条件依赖性的图形化概率模型。
2024-08-16 08:09:29
1106
原创 三十九、【人工智能】【机器学习】【监督学习】- 多项式朴素贝叶斯分类器（Multinomial Naive Bayes）
第一章 【机器学习】初识机器学习第二章 【机器学习】【监督学习】- 逻辑回归算法 (Logistic Regression)第三章 【机器学习】【监督学习】- 支持向量机 (SVM)第四章【机器学习】【监督学习】- K-近邻算法 (K-NN)第五章【机器学习】【监督学习】- 决策树 (Decision Trees)第六章【机器学习】【监督学习】- 梯度提升机 (Gradient Boosting Machine, GBM)第七章 【机器学习】【监督学习】-神经网络 (Neural Networks)第八章【
2024-08-16 08:09:14
1035
原创 三十六、【人工智能】【机器学习】【监督学习】- Bagging算法模型
监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。在监督学习过程中，算法“学习”的依据是这些已标记的例子，目标是找到输入特征与预期输出之间的映射关系。Bagging，全称为Bootstrap Aggregating，是一种集成学习方法，旨在通过构建多个不同的模型并将其结果进行汇总，以提高预测的准确性和模型的稳定性。
2024-08-13 09:18:02
1245
原创 三十七、【人工智能】【机器学习】【监督学习】- AdaNet算法模型
监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。在监督学习过程中，算法“学习”的依据是这些已标记的例子，目标是找到输入特征与预期输出之间的映射关系。AdaNet，即Adaptive Structural Learning of Artificial Neural Networks，是由Google提出的一种用于自动构建神经网络结构的框架。
2024-08-13 09:17:52
1156
原创 【人工智能】【机器学习】- opencv的模型库介绍
这些模型都是基于Haar特征级联分类器，它们使用了Adaboost算法训练而成。这些模型可以用来检测图像中的特定目标，如人脸、眼睛、身体部位、猫脸、车牌等。在OpenCV中，你可以使用。类加载这些模型，并在图像上运行检测。
2024-08-12 09:33:46
435
原创 【人工智能】【机器学习】- 好书推荐之《深度学习调参指南》
深度学习调参指南》是一份由Google和哈佛大学的研究人员与工程师共同编写的实战手册，旨在帮助读者系统性地优化深度学习模型的性能。该指南强调了在深度学习实践中遇到的实际问题和解决方案，尤其关注超参数调优的过程，同时也涉及工作流实施和优化等其他方面。
2024-08-12 09:33:08
1225
原创 三十四、【人工智能】【机器学习】【监督学习】- CatBoost算法模型
监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。在监督学习过程中，算法“学习”的依据是这些已标记的例子，目标是找到输入特征与预期输出之间的映射关系。CatBoost是由俄罗斯搜索引擎巨头Yandex开发的一种梯度提升决策树（Gradient Boosting Decision Tree, GBDT）框架。
2024-08-09 10:25:46
1146
原创 三十三、【人工智能】【机器学习】【监督学习】- LightGBM算法模型
监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。在监督学习过程中，算法“学习”的依据是这些已标记的例子，目标是找到输入特征与预期输出之间的映射关系。LightGBM是一个梯度提升框架下的决策树算法，由微软研发，专为处理大规模数据集而设计，具有高效、低资源消耗和高准确性的特点。
2024-08-09 10:20:32
1174
原创 【人工智能】【机器学习】-好书推荐之《Python神经网络编程》
《Python神经网络编程》（原书名：Make Your Own Neural Network）是一本深度学习领域的入门级书籍，由Tariq Rashid撰写。这本书的独特之处在于它从零开始讲解神经网络的基础知识，同时提供了详细的编程实例，让读者能够亲手构建一个简单的神经网络。
2024-08-08 15:45:03
1649
原创 三十二、【人工智能】【机器学习】【监督学习】- XGBoost算法模型
监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。在监督学习过程中，算法“学习”的依据是这些已标记的例子，目标是找到输入特征与预期输出之间的映射关系。XGBoost是一种优化的分布式梯度提升决策树算法，由天池（Tianqi Chen）和卡洛斯·戈麦斯（Carlos Guestrin）在2014年提出。
2024-08-08 14:43:42
1005
原创 二十九、【人工智能】【机器学习】【监督学习】- AdaBoost算法模型
监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。在监督学习过程中，算法“学习”的依据是这些已标记的例子，目标是找到输入特征与预期输出之间的映射关系。AdaBoost是一种集成学习方法，最初由Yoav Freund和Robert Schapire在1995年提出。它是一种迭代的算法，用于提升弱分类器的表现，将其组合成一个强分类器。
2024-08-07 09:24:08
983
原创 三十、【人工智能】【机器学习】- 隐马尔可夫模型 (Hidden Markov Models, HMMs)
非监督学习是一种机器学习方法，它处理的是没有标签的数据集。与监督学习不同，非监督学习算法不需要知道数据的正确分类或目标值。它的目标是通过数据内部的结构和模式来推断出有意义的信息，如数据的分布、聚类、降维或异常检测等。隐马尔可夫模型是一种统计模型，用于描述一个含有未知参数的马尔可夫过程。在HMM中，系统被假设为一个马尔可夫过程，但这个过程的状态是不可见的或者说隐藏的，我们只能观察到由这些隐藏状态产生的输出或符号序列。HMM的主要目标是基于观测序列来推断隐藏状态序列，或者根据观测序列来学习模型的参数。
2024-08-06 14:16:09
1372
原创 三十一、【人工智能】【机器学习】- 自编码器 (Autoencoders)
自编码器是一种无监督学习的人工神经网络，主要用于数据压缩和特征学习。它的核心思想是通过训练一个神经网络来学习数据的高效表示（编码），然后再通过解码器将这些表示重构回原始数据的近似形式。自编码器的主要目标是让输出尽可能地接近输入，同时在中间层（隐藏层）保持较低的维度，这样中间层就能捕获输入数据的关键特征。自编码器在计算机视觉、自然语言处理、音频处理和推荐系统等多个领域都有广泛的应用。它们不仅能够帮助我们理解数据的内在结构，还能够生成新的数据样本，从而推动了人工智能和机器学习领域的创新。
2024-08-06 09:13:33
1471
原创 十六、【Python】基础教程 - 【Flask】网络编程开发
Flask 是一个用 Python 编写的微型 Web 框架，它以简单性和灵活性著称，非常适合快速开发小型到中型的 Web 应用。Flask 不要求特定的项目结构或依赖关系，这使得开发者可以根据自己的需求自由选择组件。
2024-08-05 11:13:00
659
原创 二十八、【人工智能】【机器学习】【PyTorch】- 手写体识别
PyTorch是由Facebook的人工智能研究实验室开发的一个开源机器学习库。它提供了动态计算图，使得构建和调整复杂的深度学习模型变得直观而高效。PyTorch的灵活性和易用性使其成为学术界和工业界广泛使用的工具之一。# 定义模型nn.ReLU(),nn.ReLU(),nn.ReLU(),# 定义损失函数和优化器。
2024-08-05 10:46:37
1560
原创 二十七、【人工智能】【机器学习】- 【数学基础】 之数学要素
正是在这样的背景下，虚数应运而生，其中 i 这个特殊的数，它的平方等于 −1，为我们打开了通往复数世界的大门。在接下来的内容里，我们将深入探讨复数的奇妙之处，包括它们的表示、运算以及与之相关的各种数学概念，如集合、向量、矩阵等。复数，用数学语言表示为 CC，是数学理论中不可或缺的一部分，它的存在不仅丰富了数学的结构，更在物理学、工程学以及计算机科学等领域发挥着至关重要的作用。标量乘法运算中，标量乘向量结果还是向量，标量乘法运算规则很简单，向量 a 乘以 k，a 的每一个元素均与 k 相乘。
2024-08-01 15:07:12
1020
原创 十、【Python】基础 - 【Python类与类之间的调用全解析】：掌握面向对象编程的艺术
💡📚【Python类与类之间的调用全解析】：掌握面向对象编程的艺术📚💡在Python中，类与类之间的调用可以发生在多种场景下，包括一个类的方法调用另一个类的实例的方法，一个类继承自另一个类，以及一个类使用另一个类的实例作为其属性等。下面我会详细介绍这些情况，并给出相应的示例。
2024-08-01 08:13:00
546
原创 二十五、【人工智能】【机器学习】-【Python手搓3层神经网络】：从零构建深度学习模型的实战指南
机器学习是一门综合性的学科，不仅要学习线性代数、微积分、统计学等数学概念。还要学习编程语言例如Python等。而对于初学者来说，建议不要之间去看复杂的数据公式，因为数学公式的复杂性，很难再短时间内掌握，这样会直接打击自己的学习积极性。最终导致放弃学习机器学习。初学者应该先从最简单的概念和数学公式来了解和熟悉机器学习的方法的主要逻辑。特别是要选择一本通俗易懂的书来使自己快速了解和掌握机器学习的原理，并能动手编制一个机器学习的DEMO。来增强自己的学习信息。推荐一本博主已经看完并事件的书籍。
2024-07-31 08:14:43
3643
原创 九、【Python】基础 -【Python函数与类全解析】：掌握模块化编程的艺术
在Python中，使用关键字def来定义函数。# 函数体是函数的名字，应该遵循Python的命名规则。parameters是传递给函数的输入，可以有零个、一个或多个参数。return语句用来返回函数的结果。如果函数没有显式地包含return语句，它默认返回None。在Python中，使用关键字class来定义类。# 类属性# 实例属性# 方法体ClassName是类的名字。__init__是构造函数，当创建类的实例时自动调用。self参数代表类的实例，必须作为每个实例方法的第一个参数。
2024-07-31 08:13:57
369
原创 二十六、【人工智能】【机器学习】【Python】- 机器学习中的Python库全解析：掌握数据科学工具箱的艺术
在机器学习领域，Python 是最常用的编程语言之一，因为它拥有丰富的库支持，使得开发人员可以高效地构建和部署机器学习模型。我们在学习机器学习时候，需要掌握了学习的一些基础库和算法库的介绍。
2024-07-30 08:19:29
939
原创 八、【Python】基础 - 【Python while 循环全解析】：掌握无限循环的艺术
💡📚【Python while 循环全解析】：掌握无限循环的艺术📚💡在Python中，while循环允许你重复执行一段代码，只要给定的条件为真。while循环是一种预测试循环，这意味着它会先检查条件是否为真，然后才会执行循环体内的代码。如果条件一开始就是假的，那么循环体内的代码一次都不会执行。
2024-07-30 08:18:54
881
原创 二十四、【人工智能】【机器学习】【非监督学习】- 高斯混合模型 (Gaussian Mixture Models, GMM)
非监督学习是一种机器学习方法，它处理的是没有标签的数据集。与监督学习不同，非监督学习算法不需要知道数据的正确分类或目标值。它的目标是通过数据内部的结构和模式来推断出有意义的信息，如数据的分布、聚类、降维或异常检测等。高斯混合模型 (GMM) 是一种概率模型，它用来表示一组数据是由多个高斯分布（也称为正态分布）混合而成的概率分布。在许多实际应用中，数据往往不符合单一的高斯分布，而是由几个不同的高斯分布组成，GMM 就是用来拟合这类复杂数据分布的有效工具。
2024-07-29 08:24:58
1263
原创 十五、【Python】基础教程-【Python全掌握】六大基础数据类型：集合（set）类型的终极指南
集合（set）在Python中是一种无序且不包含重复元素的数据类型。集合支持数学上的集合运算，如交集、并集、差集和对称差等。
2024-07-29 08:24:38
526
Zimo工作管理系统，根据若依开源系统进行的二次开发项目，本系统的源码将毫无保留给个人及企业免费使用
2024-07-12
DB11/T 1786-2020 二氧化碳排放核算和报告要求道路运输业
2024-03-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人