走进人工智能|自主无人系统 从概念到现实的飞跃
自主无人系统是一种充满潜力的技术，它们能够在没有人为操控的情况下自主地执行任务。目前，无人机和无人车辆是自主无人系统中最为突出的代表。随着感知技术、人工智能和自动控制的快速发展，自主无人系统在军事、民用和商业等领域取得了令人瞩目的进展。通过解决当前面临的挑战，推动技术创新和社会接受度的提升，自主无人
深度学习AI克隆人声模型
我们将使用深度学习的技术，特别是生成模型来实现人声克隆。首先，我们将训练一个模型来学习和复制人的说话声音。然后，我们将使用这个模型来复制给定的人声，让它可以唱出特定的歌曲。为了实现这一目标，我们需要以下的步骤：数据收集和预处理：收集大量的音频数据，并预处理这些数据以适应我们的模型。模型训练：使用深度
使用 CausalPy 进行因果推理
这篇文章通过一个实际的例子简要介绍了因果推理，这个例子来自于《The Brave and True》一书，我们使用 CausalPy 来实现。
一分钟理解VAE（变分自编码器）
一分钟理解VAE（变分自编码器）
AI 卷到正经「挖矿」业，卡内基科学研究所另辟蹊径，靠关联分析法找到新矿床
找矿行动，Aciton！
TabR:检索增强能否让深度学习在表格数据上超过梯度增强模型？
这是一篇7月新发布的论文，他提出了使用自然语言处理的检索增强*Retrieval Augmented*技术，目的是让深度学习在表格数据上超过梯度增强模型。
走进人工智能|自动驾驶 开启智能出行新时代
自动驾驶技术是当今科技领域备受瞩目的创新之一。随着人工智能和传感器技术的迅猛发展，无人驾驶汽车正逐渐成为现实。这项技术具有巨大的潜力，可以彻底改变我们的出行方式，提高安全性和效率性。
扁鹊：指令与多轮问询对话联合微调的医疗对话大模型
扁鹊-1.0（BianQue-1.0） 是一个经过指令与多轮问询对话联合微调的医疗对话大模型。我们经过调研发现，在医疗领域，往往医生需要通过多轮问询才能进行决策，这并不是单纯的“指令-回复”模式。用户在咨询医生时，往往不会在最初就把完整的情况告知医生，因此医生需要不断进行询问，最后才能进行诊断并给出
OpenAI-gym 关于render无法弹出游戏窗口以及想要在训练时不渲染然后在测试时再渲染的解决方案
OpenAI-gym 关于render无法弹出游戏窗口以及想要在训练时不渲染然后再测试时再渲染的解决方案
一维热传导方程的推导
考虑一根具有定横截面积A的杆，其方向为x轴的方向（由x0至xL），如图1所示。ext。假设通过截面的热量是恒定的，杆是一维的。做到这一点的最简单方法是将杆的侧面完全绝热，这样热能就不能通过杆的侧面扩散出去。对x和t的依赖对应于杆受热不均匀的情形；热能密度由一个截面到另一个截面是变化的。
10个简单但很有用的Python装饰器
装饰器是Python中一个非常强大和常用的特性，它可以用于许多不同的情况，例如缓存、日志记录、权限控制等。
走进人工智能| 智能物联网 AIoT的魅力交织
随着计算机技术、通信技术和物联网技术的进步，智能物联网不断发展。目前，智能物联网已广泛应用于智能家居、智能健康、智能交通、工业物联网和智慧城市等领域。然而，智能物联网发展仍面临一些挑战，包括安全与隐私问题、标准缺乏与兼容性问题、能源与功耗、复杂的部署与维护、数据管理与处理、成本问题以及法律与监管等。
什么是人工智能领域的 Foundation Model？
GPT 模型采用了预训练加微调的方式，通过大规模的语料库训练出来的模型，可以在多种 NLP 任务中表现出色，如文本分类、机器翻译、摘要生成等。人工智能领域的 Foundation Model，通常指的是一类被广泛使用的基础模型（或称基础架构模型），是在海量数据和计算资源的基础上训练出来的通用、通用性
【机器学习】分类算法 - 朴素贝叶斯 MultinomialNB
朴素贝叶斯法（Naive Bayes model 简称 NBM ）是基于「贝叶斯定理」与「特征条件独立假设」的分类方法。
【AI底层逻辑】——篇章5（下）：机器学习算法之聚类&降维&时间序列
时间序列模型在解决实际问题时，序列必须满足特定的数据分布，或者具有平稳的时间序列特性，比如在剔除趋势数据后，时间序列不能与时间有依赖关系，数据波动的频率和幅度不能随时间变化等。——举例来说，随意挑选两个特征构建它们的散点图，如下图所示，图中每个点有两个特征，分别对应X轴和Y轴，在图中画一条直线，将所
PHP strlen()函数详解，PHP获取字符串长度
作者简介」：CSDN top100、阿里云博客专家、华为云享专家、网络安全领域优质创作者「推荐专栏」：对网络安全感兴趣的小伙伴可以关注专栏。
收藏丨30个大语言模型训练相关的数据集分享
更多数据集，请访问OpenDataLab官网
Wandb是啥，怎么用
使用Wandb非常简单，首先需要安装Wandb的Python包，可以通过pip或conda来安装。安装完成后，需要在Python脚本中导入wandb库，登录Wandb，创建一个项目并设置实验。在实验中，可以记录各种指标、超参数、模型权重等，并进行可视化分析。最后，可以将实验的结果保存在Wandb的云
零基础熟悉mmdetection3d数据提取、模型搭建过程
本图文从介绍配置文件开始，逐步构建一个新的配置文件，并依次构建相关模型，最终使用一条点云数据简单走了一下处理流程
智能优化之粒子群算法（PSO）（Matlab,python,C++实现）
智能优化算法pso
