机器学习——支持向量机（SVM）（2）
中间的 虚线代表着，当 recall 增加 1%，我们的 FPR 也增加 1%，也就是说，每 捕捉出 一个少数 类，就会 有一个 多数类 被判错，这种情况下，模型的效果就不好，这种 模型捕获 少数类的结果，会让许多多数类 被误伤，从而增加成本。横坐标是 FPR，代表着 模型将多数类判断错误的 能力，
GitHub 斩获近 20,000 Star，创始人揭秘跨平台自动化 APP 开发 | Open AGI Forum
操作系统的垄断格局持续已久，旨在成为跨平台应用开发框架中间地带的Dioxus以黑马之姿亮相Github，颇受欢迎。它未来能成功吗？
阿里开源语音理解和语音生成大模型FunAudioLLM
阿里开源大模型FunAudioLLM，一个创新的框架，旨在促进人类与大型语言模型（LLMs）之间的自然语音交互。FunAudioLLM的核心是两个开创性的模型：用于语音理解的SenseVoice和用于语音生成的CosyVoice。
【机器学习】Google开源大模型Gemma2：原理、微调训练及推理部署实战
Gemma 是 Google 推出的轻量级、先进的开放模型系列，采用与 Gemini 模型相同的研究成果和技术构建而成。它们是仅使用解码器的文本到文本大型语言模型（提供英语版本），为预训练变体和指令调整变体具有开放权重。Gemma 模型非常适合各种文本生成任务，包括问题解答、摘要和推理。由于它们相对
国内外自动驾驶算法原理浅谈
国内厂商选择的方式成型快，但上限低。端到端的方式成型较慢，但是一旦预训练完成，将会疯狂迭代成长。但是其实……勤能补拙，不断加规则，总有一天也能应付99%的情况。
结合傅里叶变换和传统特征提取方法，通过XGBoost检测计算机生成图像
我个人认为，在模型无法区分的情况下，使用图像取证工具的人类将比机器学习模型更好地检测CGI，因为人类可以使用他们的先验知识逐个像素地评估图像，而模型只能依赖他们的训练数据。CGI检测模型对世界的了解是不完整的，而人类对世界的了解要大得多。为什么要应用傅里叶变换?而如何检测AI生成的图片变得越来越困难
【机器学习】探索数据矿藏：Python中的AI大模型与数据挖掘创新实践
随着人工智能技术的迅猛发展，AI大模型（如GPT、BERT等）在各类任务中展现了强大的能力。然而，这些大模型的背后是海量数据和复杂的算法支撑。在这篇博客中，我们将深入探讨如何利用Python进行数据挖掘，并结合AI大模型实现更高效、更精准的智能应用。本文将从数据获取与预处理、模型训练与优化、实际应用
评价类模型-基于熵权法的Topsis模型★★★★
基于熵权法的Topsis模型是对Topsis模型的补充，因为层次分析法具有较大的主观色彩，对于最终得分来说，缺乏客观性，而熵权法是基于数据本身进行分析，所以更加推荐使用熵权法。使用步骤与Topsis模型差不多，但是引入新的指标——信息效用值来评价问题，将信息效用值归一化后，再计算对于的权重。熵权法只
SpringBoot通过3种方式实现AOP切面
Spring框架凭借多种高效机制，显著增强了代码的功能性，并实现了切面编程（AOP）的精髓。其核心亮点之一，是运用动态代理技术，无需触动源代码即可在Bean的运行时为其动态织入额外功能，如日志记录、安全验证等，从而实现非侵入式的代码增强。此外，Java Agent技术，以AspectJ Weaver
SuperCLUE：中文大模型基准测评2024年上半年报告
SuperCLUE是一个中文通用大模型的综合性评测基准，其前身是CLUE（The Chinese Language Understanding Evaluation），自2019年成立以来，CLUE基准一直致力于提供科学、客观和中立的语言模型评测。SuperCLUE继承并发展了CLUE的测评体系，构
【人工智能】人工智能的历史发展与机器学习和神经网络
人工智能是如何工作的？机器学习和神经网络又是什么？
【工具推荐】使用LabelImg进行图像标注的详细教程（安装、使用、进阶技巧）
LabelImg 是一个功能强大且易用的图像标注工具，广泛应用于计算机视觉领域的数据集标注。本文详细介绍了 LabelImg 的简介、安装方法以及具体的使用教程。通过这些步骤，用户可以快速上手并高效完成图像标注任务。
【机器学习】解开反向传播算法的奥秘
在训练神经网络时,我们需要不断调整网络的权重和偏置参数,使得网络在训练数据上的输出值尽可能接近期望的目标值。这个过程可以看作是一个优化问题,目标是最小化一个损失函数(Loss Function)。反向传播算法就是用于计算损失函数关于网络参数的梯度的算法。前向传播(Forward Propagatio
GPT-4o mini：开启人工智能新篇章
GPT-4和GPT-4o不是早就出来了吗？为什么GPT-4o mini的出世引来这么大的轰动呢？因为它免费、因为它快、因为它接口便宜、因为它同步开启了GPT-4o-mini-2024-07-18的微调。因为你还没有点开文章，所以不知道啊~
精简模型，提升效能：线性回归中的特征选择技巧
递归特征消除（RFE）、顺序前向选择（SFFS）、和顺序后向选择（SBFS）都表明，‘weight’、‘model year’和‘horsepower’是最重要的特征。仅使用这三个特征，我们就能获得可靠的 R² 分数0.823，与使用七个特征的基础模型相比，其 R² 分数也是0.823。（这些 R²
【人工智能】穿越科技迷雾：解锁人工智能、机器学习与深度学习的奥秘之旅
在这个科技飞速发展的时代，人工智能（AI）正深刻改变着我们的生活。在本文中，我们将首先概览人工智能的广阔天地，包括其基本概念、发展历程以及推动其发展的三大关键要素，通过生动的案例，让读者对人工智能有一个初步而全面的认识。随后，我们将深入机器学习的腹地，从基础概念讲起，逐步剖析机器学习的工作流程、特征
【机器学习】智驭未来：机器学习如何重塑制造业的转型与升级
在科技日新月异的今天，制造业作为全球经济的重要支柱，正站在一个历史性的转折点上。随着大数据、云计算、人工智能等技术的飞速发展，特别是机器学习技术的日益成熟，制造业正迎来一场前所未有的智能化变革。这场变革不仅将深刻改变传统的生产方式和管理模式，更将推动制造业向更高质量、更高效率、更加可持续发展的方向迈
SpringBoot配置文件高级用法实战
Spring Boot配置文件的优先级是一个重要的概念，它决定了当存在多个配置文件时，哪个配置文件中的配置将被优先采用。
超分AI模型学习
超分（超分辨率：Super Resolution，SR）：是计算机视觉和图像处理领域的一个热门话题。主要是将低分辨率图像恢复出高分辨率图像。可以采用的方法和手段很多，最近项目中有涉及（红外成像的超分处理），将碰到的一些零散的知识整理了一下，记录一下。
