深入理解命名实体识别（NER）
命名实体识别（NER，Named Entity Recognition）是自然语言处理（NLP）中的一项重要技术，用于从文本中识别出特定类型的实体，并将这些实体分类到预定义的类别中。实体通常包括人名、地名、组织名、日期、时间、数量、货币等。例如，在句子“Barack Obama was born i
【AI知识点】置信区间（Confidence Interval）
置信区间（Confidence Interval, CI） 是统计学中用于估计总体参数的范围。它给出了一个区间，并且这个区间包含总体参数的概率等于某个指定的置信水平（通常是 90%、95% 或 99%）。与点估计不同，置信区间通过区间估计给出了参数的可能范围，从而提供了更可靠的信息。
【机器学习】机器学习与成像技术：开启智能视觉的新篇章
在科技日新月异的今天，机器学习与成像技术的融合正引领着一场前所未有的智能视觉革命。随着大数据的蓬勃发展和计算能力的显著提升，机器学习不再仅仅是学术界的研究热点，它正逐步渗透到我们生活的每一个角落，特别是在成像技术领域展现出了巨大的潜力和价值。
Ollama+Open WebUI+AUTOMATIC1111实现LLM+SD生成图片
本篇我们主要介绍如何在open webui中调用automatic1111的api来。
【SARL】单智能体强化学习（Single-Agent Reinforcement Learning）《纲要》
强化学习（Reinforcement Learning，简称 RL）是一种让机器“通过尝试和错误学习”的方法。它模拟了人类和动物通过经验积累来学会做决策的过程，目的是让机器或智能体能够在复杂的环境中选择最优的行为，从而获得最大的奖励。我们在这里介绍了单智能体强化学习的相关算法。
【海洋生态环境】十大数据集合集，速看！
MARIDA (Marine Debris Archive) 是第一个基于多光谱 Sentinel-2 (S2) 卫星数据的数据集，它将海洋碎片与共存的各种海洋特征区分开来，包括马尾藻大型藻类、船舶、天然有机材料、波浪、尾流、泡沫、不同的水类型（即清澈、浑浊的水、富含沉积物的水、浅水）和云。带注释的
机器学习ID3构造决策树
决策树是一种。
聚类分析算法——层次聚类 详解
层次聚类（Hierarchical Clustering）是一种无监督的机器学习方法，通过递归地对数据进行合并（或拆分），构建一个类似树的聚类结构，称为“树状图”（Dendrogram）。该算法通常用于探索数据的层次结构。根据聚类方向的不同，层次聚类可以分为“自底向上”（凝聚式聚类）和“自顶向下”（
【机器学习】决策树与随机森林：模型对比与应用案例分析
决策树是一种树状结构的模型，用于解决分类和回归问题。模型通过递归地将数据集分割成更小的子集，最终到达叶子节点，每个叶子节点表示一个预测结果。决策树的每个节点代表对某个特征的测试，每个分支代表测试结果，而每个叶子节点则表示最终的预测类别或值。随机森林是一种集成学习方法，通过构建多个决策树并结合它们的预
分布式机器学习系统：设计原理、优化策略与实践经验
分布式机器学习系统仍在快速发展。随着新型硬件的出现和算法的进步，我们预期会看到更多创新的优化技术。
机器学习之特征提取
自编码器就像是一个神奇的魔术师，它能将复杂的数据压缩成简洁的低维表示，同时还能从这个压缩后的表示中重构出原始数据。想象一下，把一堆杂乱无章的东西塞进一个小盒子里，然后还能再把它们完好无损地取出来，这就是自编码器的魅力所在。
【人工智能】Transformers之Pipeline（二十七）：蒙版生成（mask-generation）
本文对transformers之pipeline的蒙版生成（mask-generation）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行代码极简的使用多模态中的蒙版生成（mask-generation）模型。
【pyspark学习从入门到精通20】机器学习库_3
在这一部分，我们将使用前一章中的数据集的一部分来介绍 PySpark ML 的概念。在这一部分，我们将再次尝试预测婴儿的生存几率。
可解释人工智能（XAI）领域的全面概述
本文提供一份关于 XAI 的全面综述，涵盖常见的术语和定义、XAI 的需求、XAI 的受益者、XAI 方法分类以及 XAI 方法在不同应用领域的应用。
AI前景分析展望——GPTo1 SoraAI
人工智能（AI）领域的飞速发展已不仅仅局限于学术研究，它已渗透到各个行业，影响着从生产制造到创意产业的方方面面。在这场技术革新的浪潮中，一些领先的AI模型，像Sora和OpenAI的O1，凭借其强大的处理能力和创新的技术架构，成为了当前最为关注的焦点。本文将对这两款模型进行深入剖析，探讨它们在技术架
从本地部署到企业级服务：十种主流LLM推理框架的技术介绍与对比
本文将深入探讨十种主流LLM服务引擎和工具，系统分析它们在不同应用场景下的技术特点和优势。
手搓人工智能-最优化算法（1）最速梯度下降法，及推导过程
对于复杂函数来说，直接求解矢量方程得到优化函数的极值点往往非常困难。在这种情况下，可以考虑采用迭代的方法从某个初始值开始，逐渐逼近极值点，即——梯度法
基于特征子空间的高维异常检测：一种高效且可解释的方法
本文将重点探讨一种替代传统单一检测器的方法：不是采用单一检测器分析数据集的所有特征，而是构建多个专注于特征子集(即*子空间*)的检测器系统。
掌声响起来——不确定性人工智能与高斯云方法的应用
“掌声响起来”软件正是针对这一问题而设计的。它利用不确定性人工智能的理论，结合高斯云方法，旨在模拟和分析观众在不同情境下的鼓掌行为。掌声不仅是对表演者的认可和赞赏，更是观众情感共鸣的体现。通过对掌声的研究，我们不仅可以更好地理解观众的心理，还可以为活动的组织者提供有价值的反馈，优化活动安排，提高观众
AI Agent（智能体）行专题报告：从技术概念到场景落地
1. 原理解析：思维链铸就智能体，多体交互拓展应用早在上世纪 50 年代，阿兰图灵把“高度智能有机体”扩展到了人工智能。如今随 着大模型的快速发展，这个概念又被重新拾起。大模型成为了智能体目前最完美的载体， 有望完成从概念到实际应用的蜕变。 用户在 Agent（智能体）模式中给 AI 设臵目标和身份
