ChatGPT的背景及发展趋势
未来，ChatGPT的发展趋势将会更加多样化和个性化。除了继续改进模型的训练方法和算法，ChatGPT还可能会集成更多的人工智能技术，例如计算机视觉、语音识别等，使其在更广泛的场景下得以应用。ChatGPT的出现引起了广泛的关注和热议，许多人认为它具有革命性的意义，有可能彻底改变人机交互的方式。总体
前沿技术|人工智能的崛起和发展历程
人工智能（Artificial Intelligence，简称AI）是指一种模拟人类智能的技术和应用。它可以通过大量数据的处理和深度学习算法自主地完成一系列复杂任务，如图像识别、语音识别、自然语言处理等。在过去几十年中，人工智能发展迅速，尤其是在深度学习算法的出现和硬件技术的进步下，越来越多的应用场
PCA（主成分分析）的理解与应用（学习笔记）
关于PAC的一些理解与学习心得
七篇深入理解机器学习和深度学习的读物推荐
在这篇文章中将介绍7篇机器学习和深度学习的论文或者图书出版物，这些内容都论文极大地影响了我对该领域的理解，如果你想深入了解机器学习的内容，哪么推荐阅读。
【人工智能】常见问题以及解答
人工智能（Artificial Intelligence, AI）是一门涉及计算机科学、数学、心理学、哲学等多个领域的交叉学科，旨在研究如何使计算机能够像人一样地思考、学习和行动。在过去几十年中，人工智能技术得到了广泛的应用和发展，涵盖了诸如机器学习、自然语言处理、计算机视觉、知识表示和推理等多个方
机器学习（Machine Learning）
Machine Learning, ML 机器学习
基于YOLOv5的水下海洋目标检测
准确率表示模型对正确目标的识别率，召回率表示模型对所有目标的识别率，精确率表示模型对所有预测目标的正确率，F1 分数表示准确率和召回率的调和平均数，平均精度表示模型在所有类别上的平均精度。本文提出了一种基于 YOLOv5 的水下海洋目标检测方法，使用数据增强方法进行了大量实验，并与其他方法进行了对比
专业的知识图谱应用门槛正在被不断降低
知识图谱（knowledge graph）⼀度被专家称为“AI皇冠上的明珠”，因为知识图谱技术是⼈⼯智能技术⽅向中的重要⼀环。它不仅可以为其他⼈⼯智能应⽤提供⽀持，如⾃然语⾔处理、推荐系统等，更可以帮助⼈⼯智能系统⾃主构建和增⻓知识库，提升计算机的理解和分析能⼒，实现“认知智能”的⽬标。Gartne
AI 工具合辑盘点，总有一款适合你
等功能。其中，翻译支持。
朴素贝叶斯(Naive Bayes)
朴素贝叶斯
如何进行AI测试-入门篇
大家来做下这个猜数字游戏，1, 4, 16…（）… 256… 括号里的是什么。为什么是 64，不是其他数字，又为什么是数字，不是一个汉字或者一个字母。我们找到了数字之间的规律，逻辑关系，并且抽象成了模型，我们才能知道括号里是什么。举个生活中的例子，小米硬件中手机外壳，在大批量生产前需要先设计手机外壳
这8个NumPy函数可以解决90%的常见问题
NumPy是一个用于科学计算和数据分析的Python库，也是机器学习的支柱。
机器学习特征重要性分析
特征选择
nn.Parameter()
可以方便地定义和管理模型的可训练参数，并且在模型训练过程中可以自动计算梯度并更新参数值，是构建神经网络模型时常用的工具。是 PyTorch 中的一个类，用于创建可训练的参数（权重和偏置），这些参数会在模型训练过程中自动更新。
win下YOLOv7训练自己的数据集（交通标志TT100K识别）
遗传算法是利用种群搜索技术将种群作为一组问题解，通过对当前种群施加类似生物遗传环境因素的选择、交叉、变异等一系列的遗传操作来产生新一代的种群，并逐步使种群优化到包含近似最优解的状态，遗传算法调优能够求出优化问题的全局最优解，优化结果与初始条件无关，算法独立于求解域，具有较强的鲁棒性，适合于求解复杂的
『赠书活动 ｜ 第五期』《人工智能数学基础》
『赠书活动 ｜ 第五期』《人工智能数学基础》
三十七、Fluent冰块融化模拟
单击Initialize后，点击Patch，对冰区域设置温度，选择Temperature，Value设置为-1℃，Zone to patch选择ice_surface。Solidus Temperature表示固相线温度，对于纯物质即凝固点，Liquidus Temperature表示熔点，对于纯物
基于GMM的一维时序数据平滑算法
在本文中探讨GMM作为时间数据平滑算法的使用。GMM（Gaussian Mixture Model）是一种统计模型，常用于数据聚类和密度估计，但也可以在一定程度上用作时间数据平滑算法。
YOLO v5结合热力图并可视化以及网络各层的特征图
YOLO v5结合热力图并可视化以及网络各层的特征图
首个大规模图文多模态数据集LAION-400M介绍
openAI的图文多模态模型CLIP证明了图文多模态在多个领域都具有着巨大潜力，随之而来掀起了一股图文对比学习的风潮。就在前几天（2022年12月），连Kaiming都入手这一领域，将MAE的思路与CLIP的思路结合，推出了FLIP，有兴趣可戳（https://arxiv.org/abs/2212.
