Prompt Learning详解
现阶段NLP最火的两个idea 一个是对比学习（contrastive learning） 另一个就是 promptprompt 说简单也很简单 看了几篇论文之后发现其实就是构建一个语言模板 但是仔细想想又觉得复杂 总感觉里面还有很多细节 因此我想从头到尾梳理一下prompt 很多地方会把它翻译成[
准确率、精确率、召回率、F1-score
追求召回率高，则通常会影响精确率。F1值为算数平均数除以几何平均数，且越大越好，将Precision和Recall的上述公式带入会发现，当F1值小时，True Positive相对增加，而false相对减少，即Precision和Recall都相对增加，即F1对Precision和Recall都进行
ChatGPT国内怎么使用-ChatGPT是什么
尽管 GPT-3 的源代码尚未发布，但StackExchange网站上的一篇帖子表明 GPT-3 是用“与 GPT-2 相同的模型和架构”编写的。它以书籍、文章和网站的文本形式在有偏见和无偏见的数据上进行了良好的训练。一旦它对语言有了足够的了解，它就可以根据给定的提示或主题生成自己的文本。对于从事各
AI未来十年新范式，生成式人工智能的挑战与机遇
2023年3月18日，CSIG图像图形企业行活动拉开帷幕，介绍AI未来十年发展新范式...
逻辑回归（LogisticRegression）中的参数（详解）
LogisticRegression(penalty='l2', dual=False, tol=0.0001, C=1.0, fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver=
机器学习强基计划8-3：详细推导核化主成分分析KPCA算法(附Python实现)
核主成分分析KPCA核心原理是将样本先投影到高维特征空间，从而通过传统PCA实现降维，同时不破坏本真结构。本文详细推导KPCA算法，并给出Python实现加深理解
7个最新的时间序列分析库介绍和代码示例
所以本文将分享8个目前比较常用的，用于处理时间序列问题的Python库。他们是tsfresh, autots, darts, atspy, kats, sktime, greykite。
线性规划之内点法
1.内点法是在可行域内部进行搜索，最后收敛到最优解边界2.常用的内点法有仿射尺度法、对数障碍法和原始对偶法线性规划（LP）问题除了用单纯形法和对偶理论来求解，还有一种搜索的解法——内点法（interior point method），它是在可行域内部移动。今天我们来学习三种内点法，包括：仿射尺度法（
FastICA的原理及实现
本文在研究了论文的基础上，结合其他大佬的分析，加上自己的理解，叙述原理并独立用python实现，和sklearn包中函数对比，能完成独立成分提取。
【深度学习】训练集、测试集和验证集
码字不易，如果各位看官感觉该文章对你有所帮助，麻烦点个关注，如果有任何问题，请留言交流。如需转载，请注明出处，谢谢。文章链接：目录一、深度学习的数据二、训练集、测试集和验证集三、训练集、测试集和验证集的比例一、深度学习的数据 在深度学习或机器学习的过程中，数据无疑是驱动模型的主要能量，通过训练
群体智能优化算法
群体智能优化算法群体智能（SI）源于对以蚂蚁、蜜蜂等为代表的社会性昆虫的群体行为的研究，群居性生物通过协作表现出的宏观智能行为特征。群体智能算法有粒子群优化算法(PSO)、蚁群优化算法(ACO)、人工蜂群优化算法(ABC)、差分进化算法(DE)、引力搜索算法(GSA)、萤火虫算法(FA)、蝙蝠算法(
大模型时代来临，智能文档处理该走向何方？
虽然通用人工智能的大门尚未完全叩开,但是我们已经看到了光明的前景。自去年ChatGPT发布以来，大语言模型（Large Language Model, LLM）的发展仿佛瞬间驶入了快车道，每天都能听到对相关话题的讨论。底层视觉研究的初衷在于,计算机所接收的现实图像常常受到噪音干扰,例如扭曲、模糊、光
ChatGPT研究分析：GPT-4做了什么
上一版ChatGPT的主要挑战是，因为模型的训练量极大，很难去进行优化（ChatGPT是fine-tuning的模式）。然后再基于采样值，测算一下幂等函数的相关参数，下一轮就可以只进行少量训练，就去预测最终效果了。至于其他效果上的优化，OpenAI没有进一步解读原理，但整体应该还是基于“训练-奖励”
Keras中如何设置学习率和优化器以及两者之间的关系
Keras对优化器和学习率做了很好的封装，以至于很多人搞不清楚怎么设置学习率，怎么使用优化器，两者到底有什么区别。
脑电EEG代码开源分享 【1.前置准备-静息态篇】
本文档旨在归纳BCI-EEG-matlab的数据处理代码，作为EEG数据处理的总结，方便快速搭建处理框架的Baseline，实现自动化、模块插拔化、快速化。本文以非锁时任务（无锁时刺激，如静息态、运动想象）为例，分享脑电EEG的前置准备方法。前置准备是数据处理的敲门砖，前置准备的主要功能，分为以下4
Pandas 2.0正式版发布： Pandas 1.5，Polars，Pandas 2.0 速度对比测试
这里我们将对比下 Pandas 1.5，Polars，Pandas 2.0 。看看在速度上 Pandas 2.0有没有优势。
深度学习基础之正向传播与反向传播
因为这学期上了一门深度学习的课，老师上课推公式，写密密麻麻一黑板，看也看不清，讲完擦了之后说这推导如果考试必考，人都傻了，只能回过头来看她课件理解理解了。以下都是以计算图为例。
智能车方向环pd控制理解
智能车方向环pd控制理解方向环d的作用方向环p的作用d项与p项的相互影响公式：pER+d(ER-ERL)p为比例项 d为微分项ER为当前车辆与赛道中线的偏差ERL为当前车辆与赛道中线的上次偏差方向环d的作用在智能车转向控制中，车辆的转弯主要取决于d项控制，当车辆由直道入弯时，ER-ERL会变化很大，
目标跟踪算法综述
前言: 目标跟踪是计算机视觉领域研究的一个热点问题，其利用视频或图像序列的上下文信息，对目标的外观和运动信息进行建模，从而对目标运动状态进行预测并标定目标的位置。目标跟踪算法从构建模型的角度可以分为生成式(generative)模型和判别式(discrimination)模型两类；从跟踪目标数量可分
联邦聚合(FedAvg、FedProx、SCAFFOLD)
联邦聚合算法简单对比(FedAvg、FedProx、SCAFFOLD)，简单对比流程上不一样的地方。
