如何预测足球比赛的胜平负进球数？也许我们可以这么做
预测足球比赛的进球数是一个复杂的任务，涉及到多种统计和机器学习方法。从泊松回归模型到Elo评分系统，再到蒙特卡罗模拟和现代的机器学习技术，每种方法都有其独特的优点和局限性。为了提高预测的准确性，在实际应用中，为了便利性，我们应当以AI技术为基底，整合并串联各项技术算法，以此确保系统的预测命中率，同时
人工智能、机器学习和深度学习有什么区别？应用领域有哪些？
人工智能、机器学习和深度学习有什么区别？应用领域有哪些？
数据稀缺条件下的时间序列微分：符号回归(Symbolic Regression)方法介绍与Python示例
有多种方法可以处理时间序列数据中的噪声。本文将介绍一种在我们的研究项目中表现良好的方法,特别适用于时间序列概况中数据点较少的情况。
OpenAI O1：人工智能推理能力的新里程碑
例如，在国际数学奥林匹克的选拔考试（AIME）中，O1模型的正确率达到了74%至93%，远超GPT-4o模型的12%。首先，O1模型的使用价格非常昂贵，尤其是O1-preview版，其输入和输出token的价格分别是GPT-4o的3倍和4倍。此外，在某些情况下，O1模型的推理速度较慢，需要更长的时间
Splitwise：使用相位分裂实现高效生成式 LLM 推理
24年5月来自华盛顿大学和微软的论文“Splitwise: Efficient Generative LLM Inference Using Phase Splitting”。
利用未标记数据的半监督学习在模型训练中的效果评估
本文将介绍三种适用于不同类型数据和任务的半监督学习方法。我们还将在一个实际数据集上评估这些方法的性能，并与仅使用标记数据的基准进行比较。
【人工智能】Transformers之Pipeline（十八）：文本生成（text-generation）
本文对transformers之pipeline的文本生成（text-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NLP中的文本生成（text-generation）模型。
时间交织ADC基本原理、误差来源与校准方法
在这种结构中，每个ADC通道以相同的速率工作，但它们的采样时间在时域上错开，从而实现总体上更高的采样速率。在TI-ADC中，假设有N个ADC通道，每个通道以采样周期T进行采样，但相邻通道之间的采样时间差为T/N。每个ADC通道的时钟相位误差会导致采样时间的不一致，从而引起时域采样点的偏差。例如，假设
【机器学习】决策边界的基本概念以及如何在逻辑回归中找到决策边界
探索逻辑回归中的决策边界学习如何在逻辑回归中找到决策边界
人工智能开发实战TensorFlow机器学习框架解析
TensorFlow是由Google开发的用于机器学习和人工智能的开源软件库，特别适用于深度神经网络的训练和推理。 它是一个基于数据流图的符号数学系统，设计用于解决复杂的数学问题，并广泛应用于机器学习、深度学习等领域。
AI之OpenBB：OpenBB(免费且完全开源的金融分析平台)的简介、安装和使用方法、案例应用之详细攻略
AI之OpenBB：OpenBB(免费且完全开源的金融分析平台)的简介、安装和使用方法、案例应用之详细攻略目录OpenBB的简介OpenBB的安装和使用方法OpenBB的案例应用OpenBB的简介2024年5月发布，OpenBB 是一款首个免费且完全开源的金融分析平台。它提供了全面的数据访问支持，
【机器学习】生成对抗网络(Generative Adversarial Networks, GANs)详解
生成对抗网络(Generative Adversarial Networks, GANs)是一种全新的生成模型架构,由Ian Goodfellow等人在2014年提出。GANs通过对抗训练的方式,能够从噪声分布中生成逼真的数据样本,在图像生成、语音合成、数据增广等领域展现出巨大的潜力。本文将详细介绍
KAN专家混合模型在高性能时间序列预测中的应用：RMoK模型架构探析与Python代码实验
本文将深入探讨RMoK模型的架构和内部机制，并通过Python实现一个小型实验来验证其性能。
大数据与人工智能：脑科学与人工神经网络ANN
人工神经网络（ANN, Artificial Neural Networks）是一种受生物神经网络启发的计算模型，用于模拟人类大脑处理信息的方式。它由大量相互连接的节点（称为神经元）组成，这些神经元通过权重连接形成网络。ANN的基础构成包括输入层、隐藏层和输出层。输入层接收原始数据，隐藏层负责提取和
【人工智能】Transformers之Pipeline（十七）：文本分类（text-classification）
本文对transformers之pipeline的文本分类（text-classification）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NLP中的文本分类（text-classification
【人工智能】枢纽：数据驱动洞察引领未来智能系统
人工智能是当今最具革命性的技术之一，从基础的机器学习、深度学习到更复杂的自然语言处理和强化学习，AI技术正在深刻影响各个行业。然而，随着技术的发展，AI也带来了伦理和安全方面的挑战。通过掌握人工智能的基本原理、算法和实际应用，未来的研究和工程师可以在这个领域继续推动创新并解决现实问题。
AI：266-利用机器学习提升金融预测准确性与风险控制【技术与案例分析】
在现代金融市场中，机器学习技术已成为预测和风险管理的重要工具。金融市场预测涉及利用历史数据预测股票价格、市场趋势以及其他金融指标，而风险管理则侧重于识别和缓解潜在的金融风险。本文将探讨机器学习在这两个领域中的应用，包括具体的代码实例，以帮助理解其实际应用。
使用ClassificationThresholdTuner进行二元和多类分类问题阈值调整，提高模型性能增强结果可解释性
本文将深入探讨阈值调整的具体机制 — 特别是在多类分类问题中,这个过程可能会比较复杂。我们还将介绍一个名为 ClassificationThresholdTuner 的开源工具,这是笔者开发的一个自动化阈值调整和解释的工具。
Datawhale X 李宏毅苹果书 AI夏令营 Task1-机器学习初认识
作为一个技术小白，我的逻辑可能并不严密，专业知识并不丰富，但还是想通过这样的一种输出方式，谈谈自己的感受和理解，在写文章的同时帮助自己梳理思路，也为大家提供一点见解。机器要找一个函数 f，其输入是可能是种种跟预测 PM2.5 有关的指数，包括今天的 PM2.5 的数值、平均温度、平均的臭氧浓度等等，
深度学习笔记 # Datawhale X 李宏毅苹果书 AI夏令营
从零基础开始深度学习
