机器学习股票崩盘预测模型(企业建模_论文科研)AI model for stock crash prediction
机器学习股票崩盘预测模型(企业建模_论文科研)AI model for stock crash prediction
10个Pandas的高级技巧
pandas是一个非常庞大的库，有许多尚未探索的实用方法。本文介绍的10各高级技巧可以帮你更有效地处理各种数据
AI 赋能绿色制冷，香港岭南大学开发 DEMMFL 模型进行建筑冷负荷预测
近年来，城市化进程加速所带来的碳排放量骤增，已经严重威胁到了全球环境。多个国家均已给出了「碳达峰，碳中和」的明确时间点，一场覆盖全球、全行业的「绿色革命」已经拉开序幕。在一众行业中，建筑是当之无愧的能耗大户，其中又以暖通空调 (Heating, ventilation, and air-condit
从千问Agent看AI Agent——我们很强，但还有很长的路要走
本项目主要通过通义千问作为基础大模型，通义Agent浏览器助手实现网页和PDF材料，以帮助您快速了解多个页面的内容，总结您浏览过的内容，并减少繁琐的文字工作。实现数据分析与可视化、处理文件等的代码解释器功能。
人工智能与机器学习——开启智能时代的里程碑
人工智能是指使计算机系统表现出类似于人类智能的能力。其目标是实现机器具备感知、理解、学习、推理和决策等智能行为。人工智能的发展可以追溯到上世纪50年代，随着计算机技术和算法的不断进步，人工智能得以实现。机器学习是人工智能的一个重要分支，它通过让计算机从数据中学习和改进性能，而不需要明确的编程指令。机
2023 年和 2024 年人工智能和机器学习会议清单
全球范围内令人兴奋的人工智能 (AI) 和机器学习 (ML) 会议数量创下历史新高。此列表概述了即将举行的 AI 和 ML 会议，有兴趣的可以关注。
干货汇总！2023 年 AI for Science 最值得关注的科研成果梳理
来自斯坦福大学计算机科学与基因技术学院的博士后 Hanchen Wang，与佐治亚理工学院计算科学与工程专业的 Tianfan Fu，以及康奈尔大学计算机系的 Yuanqi Du 等 30 人，回顾了过去十年间，基础科研领域中的 AI 角色，并提出了仍然存在的挑战和不足。在这个过程中，AI 的能力也
AI预测-迁移学习在时序预测任务上的tensoflow2.0实现
迁移学习及tensorflow实现！
理论:(1)卡方分布、非中心卡方分布详解 (概念、求阈值方法、非中心化参数求解办法等)
卡方分布、非中心卡方分布详解 (概念、求阈值方法、非中心化参数求解办法等)
解密人工智能：探索机器学习奥秘
机器学习是一种让计算机能够通过经验和数据自我改进的技术。在机器学习中，计算机通过对训练数据的分析和学习，可以自动地发现数据中的规律和模式，并根据这些规律和模式进行预测和决策。
使用核模型高斯过程(KMGPs)进行数据建模
核模型高斯过程是机器学习和统计学中对传统高斯过程的一种扩展。要理解kmgp，首先掌握高斯过程的基础知识，然后了解核模型是如何发挥作用的。
2024年1月的论文推荐
又到月底了，在月初推荐论文的基础上又整理了10篇推荐阅读的论文
机器学习之图像处理——基本概念知识介绍
图像处理的概论图像分析一般利用数学模型并结合图像处理的技术来分析底层特征和上层结构，到从而提取具有一定智能性的信息，其中对图片内容分析，图片内容识别和检测都离不开图像的分类。图像分类目标：已有固定的分类标签集合，然后对于输入的图像，从分类标签集合中找出一个分类标签，最后把分类标签分配给该输入图像。图
AI：01-基于机器学习的深度学习的玫瑰花种类的识别
在进行机器学习和深度学习模型的训练之前，我们需要先准备好相应的数据集。在本文中，我们使用了一个包含17种不同玫瑰花种类的数据集，共有约500张花朵图片。在本文中，我们介绍了如何使用机器学习和深度学习技术来实现玫瑰花种类的识别，并提供了相应的代码实现。通过本文的学习，读者可以了解到深度学习技术在图像识
【Python】人工智能-机器学习——不调库手撕演化算法解决函数最小值问题
怎么用python手撕一个演化算法来解决函数最小值问题？要求不调用其他核心库如tf，sk等，只用numpy、pandas库？这篇文章会告诉你答案！！
人工智能_机器学习092_使用三维瑞士卷数据_利用分层聚类算法进行瑞士卷数据三维聚类---人工智能工作笔记0132
a3.scatter(X[:,0],X[:,1],X[:,2],c=y_) 我们指定图的x,y,z数据轴,然后指定,数据分类 画出散点图。a3.scatter(X[:,0],X[:,1],X[:,2],c=y_) 我们指定图的x,y,z数据轴,然后指定,数据分类 画出散点图。a3.scatter(X
人工智能--认知放大器（上）
机器学习（Machine Learning，简称ML），是人工智能的分支，专注于使用数据和算法，模仿人类学习的方式，逐步提高自身的准确性。神经网络（Neural Networks，简称NN），深度学习的基本组成部分，是一种模仿生物神经网络的结构和功能的数学模型或计算模型，由神经元和层次组成，通过学习
聚类算法（下）：10个聚类算法的评价指标
在聚类算法中，评估聚类结果的好坏是非常重要的。Rand Index：用于衡量聚类结果和真实标签之间的相似度。Adjusted Rand Score：Rand Index的调整版本，可以对随机结果进行惩罚。Mutual Information Score（基于互信息的分数）：衡量聚类结果和真实标签之间
Qualcomm® AI Engine Direct 使用手册（2）
Qualcomm® AI Engine Direct SDK 也经过验证，可在适用于 Linux 的 Windows 子系统 (WSL2) 中运行 环境版本 1.1.3.0，目前仅限于 Linux 主机可运行工件，例如转换器， 模型生成和运行工具（有关更多详细信息，请参阅工具）。如果您想设置自己的
计算机视觉期末复习
立体匹配：为左图像的每个像素点(xl, yl)，在右图像中搜索对应点匹配基元：参与立体匹配，计算相似测度的基本单元常用的匹配基元：像素单个像素存在相似性歧义需结合一行或整幅图像的所有像素同时完成匹配局部窗口区域具有较好的局部独特性隐含假定：窗口内所有像素应能表征中心像素特征具有较好的独特性稀疏且不均
