【机器学习基础】机器学习的数学基础
本文讲解机器学习算法中常用的数学工具。包括向量、矩阵、梯度和凸函数。重点放在机器学习算法的讲解与实践上，将数学概念以直观的方式展示，并没有过多地展示数学证明与定理。
时空预测又爆火了！新SOTA实现零样本精准预测
时空预测又有新突破啦！港大、华南理工等提出了时空大模型UrbanGPT，在性能上猛超现有SOTA，实现零样本即可时空预测！另外还有清华的首个通用城市时空预测模型UniST、能即插即用快速适配的时空提示调整机制FlashST...这些效果非常nice的研究都被ICML等各大顶会顶刊收录，可见目前有关时
解锁AI潜能，引领智能新时代——《深度强化学习》
在人工智能的浪潮中，深度强化学习如同一股不可忽视的强流，正以前所未有的速度推动着科技的边界，引领我们进入一个充满无限可能的新时代。这本《深度强化学习》不仅是一部技术宝典，更是一场关于智能探索与梦想实现的深度对话，它以其全面而深入的视角，为我们揭示了深度强化学习的神秘面纱，让我们得以一窥AI未来的辉煌
机器学习 第8章-集成学习
集成学习(ensemble learning)通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统(multi-classifersystem)、基于委员会的学习(committee-based learning)等。图8.1显示出集成学习的一般结构:先产生一组“个体学习器”(indiv
自动驾驶仿真算法优化cuda
**行为预测器类**：`BehaviorPredictor` 类加载预训练的深度学习模型，并定义了 `predict_behavior` 方法来预测车辆的行为。- **仿真循环**：在主循环中，获取车辆的当前状态作为观测数据，然后使用行为预测器预测下一个时刻的行为，并应用于车辆的控制。- **模型加
【传知代码】LAD-GNN标签注意蒸馏（论文复现）
在当今的数据科学领域，Graph Neural Networks (GNNs) 已成为处理图结构数据的强大工具。然而，传统的GNN在图分类任务中面临一个重要挑战——嵌入不对齐问题。本文将介绍一篇名为“Label Attentive Distillation for GNN-Based Graph C
【人工智能】Transformers之Pipeline（七）：图像分割（image-segmentation）
本文对transformers之pipeline的图像分割（image-segmentation）从概述、技术原理、pipeline参数、pipeline实战、模型排名等方面进行介绍，读者可以基于pipeline使用文中的2行代码极简的使用计算机视觉中的图像分割（image-segmentation
第八章：集成学习
在RF中,对基决策树的每个结点,先从该结点的属性集合中随机选择一个包含k个属性的子集,然后再从这个子集中选择一个最优属性用于划分.这里的参数k控制了随机性的引入程度:若令k= d,则基决策树的构建与传统决策树相同;采用“重采样法”,可获得“重启动”机会以避免训练过程过早停止,即在抛弃不满足条件的当前
从零开始学习机器学习，掌握AI未来的关键！
欢迎来到"人工智能-机器学习基础"！在本文中，我们将一起探索人工智能的奇妙世界。首先，让我们来介绍一下人工智能的概述。人工智能（Artificial Intelligence）是一门研究如何使机器具备智能能力的科学与技术。简单来说，它是能够像人类一样思考、学习和决策的机器。人工智能可以追溯到上个世纪
Python机器学习实战：分类算法之支持向量机-垃圾邮件识别
Python机器学习实战：分类算法之支持向量机-垃圾邮件识别
基于Amazon SageMaker平台部署Stable Diffusion模型实现——图片识别
当谈到机器学习和人工智能的开发和部署时，Amazon SageMaker是一个非常强大和全面的平台。作为一项托管式的机器学习服务，Amazon SageMaker提供了一套完整的工具和功能，帮助开发者轻松构建、训练和部署机器学习模型。
【机器学习】基于3D CNN通过CT图像分类预测肺炎
本文深入探讨了3D卷积神经网络（3D CNN）在CT图像肺炎分类预测中的应用。通过构建高效的3D CNN模型，结合精确的数据预处理和增强技术，实验结果表明该模型在医学影像诊断中具有显著的潜力。尽管面临数据规模和计算资源的挑战，但通过模型优化和跨学科合作，有望进一步提升性能。未来研究将着眼于扩大数据集
引领未来的智能革命：深度解析【人工智能】前沿技术与应用
人工智能的基础理论与前沿技术，包括深度学习、人脸识别、语音识别、自动驾驶、生成对抗网络（GANs）、强化学习、无监督学习和人工大脑等领域。通过丰富的代码案例和应用实例，展示了AI技术在各行业中的广泛应用和未来发展潜力，旨在引领读者深入了解和掌握引领未来的智能革命。
特征正交化：用sklearn打造无偏特征空间
特征正交化是提高机器学习模型性能的重要技术。通过使用sklearn中的PCA、SVD和随机投影等方法，我们可以有效地消除特征间的相关性，构建一个无偏的特征空间。然而，正交化过程也需要权衡信息丢失和计算成本。本文的介绍和代码示例为读者提供了一种系统的方法来理解和应用特征正交化技术。在实际应用中，选择合
AI：208-从文本到图像-DALL-E与MidJourney的技术解读
从文本到图像的生成技术是人工智能领域的一大突破，DALL-E和MidJourney作为这一技术的代表，展示了各自的独特优势和广泛的应用前景。DALL-E基于Transformer架构，擅长捕捉文本与图像之间的复杂关系，生成高质量和富有创意的图像；MidJourney基于生成对抗网络（GANs），通过
LLM介绍
ChatGPT 的巨大成功激发了越来越多的开发者兴趣，他们希望利用 OpenAI 提供的 API 或者私有化模型，来开发基于大型语言模型的应用程序。尽管大型语言模型的调用相对简单，但要创建完整的应用程序，仍然需要大量的定制开发工作，包括 API 集成、互动逻辑、数据存储等等。为了解决这个问题，从 2
AI Agent在11个领域100个应用场景
人工智能代理（AI Agent）的发展正在以前所未有的速度改变我们的生活和工作方式。从日常生活的小事到企业级的复杂决策，AI Agent 的应用场景广泛且多样。以下是11个领域中 100 个 AI Agent 的创新应用场景，它们展示了 AI 技术如何渗透到我们生活的方方面面。
人工智能、机器学习、神经网络、深度学习和卷积神经网络的概念和关系
深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的有效表示，而这种使用相对较短、稠密的向量表示叫做分布式特征表示（也可以称为嵌入式表示）。研究深度学习的动机在于建立模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本等。又称为机器智能，是研究、开发
机器学习课程设计，人工智能课程设计，深度学习课程设计--基于Transformer的家庭暴力情绪检测系统（欢迎私）
家庭暴力在现今社会屡见不鲜，成为威胁社会和谐与稳定的重要问题之一。家庭暴力不仅包括身体上的虐待，还涉及情感、心理和经济上的虐待，给受害者尤其是女性和儿童带来深远的负面影响。有效预防和处理家庭暴力事件，及时感知和理解伴侣的情感显得尤为重要。为了帮助社会稳定，提高居民生活幸福指数，本系统选取了CMU-M
