【机器学习】基于密度的聚类算法：DBSCAN详解
在数据科学和机器学习领域中，聚类是一种常见的无监督学习技术，用于发现数据集中的自然分组或结构。传统的聚类算法，如K-means，依赖于预定义的簇数量和球形簇假设，这限制了它们在复杂数据集上的表现。相比之下，基于密度的聚类算法，尤其是DBSCAN（Density-Based Spatial Clust
AI：194-AIGC在广告创意中的应用【案例分析与代码示例】
AIGC技术正在改变广告创意的游戏规则。从文本、图像到视频，AIGC的应用使广告内容的生成更加高效和多样化。未来，随着人工智能技术的进一步发展，AIGC在广告创意中的应用将更加深入和广泛。例如，利用更先进的深度学习模型，广告内容可以实现更加个性化和实时化的生成。此外，随着用户数据和计算资源的不断增加
AI：213-引入ODConv提升YOLOv8性能 | 动态卷积在目标检测中的应用与优化【保姆级实操】
ODConv是一种新型卷积操作，其核心思想是动态调整卷积核的参数，以适应不同的输入特征。ODConv通过引入多个维度的动态卷积，能够更好地捕捉空间和通道维度上的特征关系，从而提升模型的表达能力。
AI、ML、DL 和 DS 之间的区别
人工智能 数据分析 数据科学 深度学习 机器学习 神经网络在本文中，我们将了解 AI（人工智能）、ML（机器学习）、DL（深度学习）和 DS（数据科学）之间的区别。这些术语经常互换使用，但实际上，它们指的是计算机科学和数据分析领域内的不同概念。
生成式人工智能
生成式人工智能是一种机器学习技术，它的核心目标是从输入数据中学习并生成新的、具有特定特征的数据。这种生成可以涵盖多种形式的内容，如文本、图像、音频和视频。生成式模型通过学习大量数据的概率分布来进行预测和生成，使得计算机能够在没有明确规则或指令的情况下产生有意义的输出。
AlphaGo 背后的人工智能：机器学习和神经网络
AlphaGo 的规则是学习而来的，而不是设计出来的，它运用机器学习以及多个神经网络来创建学习组件，使围棋水平更高。从与英国国家医疗服务体系的合作可以看出，AlphaGo 在其他领域也有着广阔的应用前景。
Python前沿技术，机器学习与人工智能的应用
Python，作为一种简洁、易读且功能强大的编程语言，凭借其丰富的库支持和广泛的应用场景，在AI领域占据了举足轻重的地位。本文旨在深入探讨Python在AI领域的前沿技术，包括数据预处理、机器学习算法、深度学习框架等，并通过具体代码案例展示Python在AI应用中的实际效果。
【机器学习】Grid Search: 一种系统性的超参数优化方法
Grid Search是一种用于自动搜索给定超参数空间中最佳模型参数组合的方法。它通过创建一个包含所有待评估超参数值的网格，然后遍历这个网格中的每一个点来完成搜索过程。对于每个网格点，即超参数的一个特定组合，Grid Search会训练模型并评估其性能，最后选择性能最优的那个组合作为最佳超参数设置。
【人工智能】Transformers之Pipeline（六）：图像分类（image-classification）
本文对transformers之pipeline的图像分类（image-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行代码极简的使用计算机视觉中的图像分类（image-classifica
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
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
【机器学习】Datawhale-AI夏令营分子性质AI预测挑战赛
一、赛事背景在当今科技日新月异的时代，人工智能（AI）技术正以前所未有的深度和广度渗透到科研领域，特别是在化学及药物研发中展现出了巨大潜力。精准预测分子性质有助于高效筛选出具有优异性能的候选药物。以PROTACs为例，它是一种三元复合物由目标蛋白配体、linker、E3连接酶配体组成，靶向降解目标蛋
减轻幻觉新SOTA，7B模型自迭代训练效果超越GPT-4，上海AI lab发布
本文通过迭代自我训练，逐步扩大数据集的多样性和规模，并提高幻觉标注器的准确性。最终得到的ANAH-v2仅用7B参数在各种幻觉检测基准测试中首次超过了GPT-4，并在第三方幻觉检测基准测试中表现出色。ANAH-v2不仅提供了一个基于的扩展数据集的自动幻觉评估基准，为未来幻觉缓解研究铺平了道路，还通过简
用AI勘探地质：全波形反演技术 (FWI) 原理与AI方法的应用
该问题是典型的涉及偏微分方程求解的反问题，当前业界常用的方法是利用有限差分、有限元法求解声波、弹性波方程，利用伴随方法进行反演，最终得到代表地下地质分布的速度模型。此外，基于梯度的优化方法可能陷入局部最优解，因此对速度模型的初始估计需要较为准确，具体地，初始速度模型所对应的地震波场与实际地震波场的误
人工智能在数字病理切片虚拟染色以及染色标准化领域的研究进展｜顶刊速递·24-06-23
这篇文章介绍了一种用于数字病理学的端到端平台，该平台利用高光谱自荧光显微镜和基于深度学习的虚拟组织学染色技术。研究团队开发了一种定制的高光谱显微镜，用于无损成像未染色组织切片的自荧光。然后，他们训练了一个深度学习模型，使用自荧光生成虚拟的组织学染色，避免了化学染色过程的成本和变异性，并保留了组织样本
