基于等效燃油消耗最小的并联式混合动力汽车实时优化能量管理策略研究
基于优化的控制策略，如动态规划，DP、极 小 值 原 理，PMP、随机动态规划，SDP、模型预测控制，MPC、等效燃油消耗最小策略，ECMS等能取得最优的燃油经济性，其中 ECMS 是实时优化策略，最有可能进行实车应用，但计算复杂限制了其在实车中的应用。
LAHeart2018左心房分割实战
2018 Atrial Segmentation ChallengeThe Left Atrium (LA) MR dataset from the Atrial Segmentation Challenge数据集下载地址：Data – 2018 Atrial Segmentation Challe
新必应申请与使用教程：让你体验人工智能搜索引擎
● Bing：必应，微软旗下的搜索引擎；● New Bing：新必应，集成OpenAI的新一代搜索引擎；
本地电脑轻松部署GPT4（无需账号）！
最近有个超级好玩的Github开源代码分享给大家，可以实现直接在本地电脑上运行GPT4，实现给机器人对话，获得想要的内容，亲测好用！废话不多说，直接上干货！
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。
微信小程序 | 基于ChatGPT实现电影推荐小程序
ChatGPT到底能做什么？本文基于CHatGPT的推理演绎能力，前端结合vue+uni-app框架实现用户偏好交互功能，后端使用python+flask框架实现数据交互。告别传统推荐算法的用户冷启动等致命问题，通过ChatGPT实现准确、智能的电影推荐效果！
Amazon SageMaker简直就是机器学习平台的天花板
最近参与了亚马逊云科技【云上探索实验】活动，通过Amazon SageMaker基于Stable Diffusion模型，非常简单快速搭建的第一个AIGC，一开始以为非常复杂，不懂动手操作，但实际上操作非常简单，没有想象中的恐怖，整体体验非常愉快，我先对Amazon SageMaker简单介绍，然后
Stable Diffusion教学 使用Lora制作AI网红 【AI绘画真人教程】
Stable Diffusion教学 使用Lora制作AI网红【AI绘画】一键启动/修复/更新/模型下载管理全支持！
全面剖析OpenAI发布的GPT-4比其他GPT模型强在哪里
GPT-4（Generative Pre-trained Transformer 4），这是OpenAI在扩展深度学习方面的最新里程碑。GPT-4 是一个大型多模态模型（接受图像和文本输入，发出文本输出），虽然在许多现实世界场景中的能力不如人类，但在各种专业和学术基准上表现出人类水平的表现。输出依旧
【ChatGPT】ChatGPT掀起AIGC与AI浪潮
【ChatGPT】ChatGPT掀起AIGC与AI浪潮
Autoformer算法与代码分析
Autoformer的原理以及代码的详细分析
轻松玩转开源大语言模型bloom（一）
文字生成？知识问答？手把手带你体验人人都能玩的开源大语言模型。
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（
作为大学生，你还不会搭建chatGPT微应用吗？
ChatGPT能够产出很出色的内容，一定程度上展现了AI能力发展新的里程碑，但也是分水岭，存在着一些局限性，比如它的准确性目前还难以完全满足实际要求，而且目前全球各大科技巨头纷纷在尝试入局AIGC，ChatGPT目前还未开源，商业模式也不太清晰，不仅能够给国内的AI科技公司留出一定的时间和空间，还能
AI模型大杀器----Amazon SageMaker 实现高精度猫狗分类
Hello大家好，我是Dream。 最近受邀参与了 亚马逊云科技【云上探索实验室】 活动，基于他们的sagemaker实现了机器学习中一个非常经典的案例：猫狗分类。最让我惊喜的是的模型训速度比想象中 效果要好得多，而且速度十分迅速，而且总体感觉下来整个过程十分便利，使用起来也是得心应手。 那接下来跟
Amazon SageMaker测评分享，效果超出预期
一、前言随着科技的进步和社会的发展，人工智能得到了愈加广泛的重视，特别是最近大火的Chatgpt，充分展现了研发通用人工智能助手广阔的研究和应用前景。让越来越多的组织和企业跟风加入到人工智能领域的研究中，但机器学习的实施是一项极其复杂的工作，不仅需要专业技能，还涉及大量的试错。无论是“专业”，抑或是
Pytorch3D Linux环境下安装（踩坑）记录
因为代码迁移，在多个的环境下都安装过Pytorch3D。但是由于gcc、CUDA版本等问题，有的环境安装十分顺利，有的耗费了大量时间，这里我把遇到的各种情况（多种方法）都记录下来。
17届全国大学生智能汽车竞赛 中国石油大学（华东）智能视觉组 --模型训练篇
如果你习惯使用jupyter notebook编写代码，这里也提供了jupyter版本的代码。在目录下的example.ipynb，有所有内容的完整代码。这部分的代码已上传到我的。模型的精度在比赛中非常关键，毕竟分类错误的罚时是非常狠的。
FEDformer 代码分析（1）
也就是说加上23维度的才是这个维度的，也就是本来的x是（1,96,7）的维度的，前面拼接上front，后面拼接上end后，变成了（1,119,7）这个维度的了。这个series_decomp_multi的里面有两个可学习的东西，一个是一个pooling，是kernel_size是24的大小的，另一个
VIT：Transformer进军CV的里程碑
Transformer[1]最初提出是针对NLP领域的，并且在NLP领域大获成功，几乎打败了RNN模型，已经成为NLP领域新一代的baseline模型。这篇论文也是受到其启发，尝试将Transformer应用到CV领域。通过这篇文章的实验，给出的最佳模型在ImageNet1K上能够达到88.55%的
