【人工智能】LLM 大型语言模型发展历史
大型语言模型（Large Language Models，LLM）是指基于神经网络模型的自然语言处理技术，它可以通过大规模的训练数据和计算资源来预测自然语言文本的下一个词或句子。近年来，由于技术的不断进步和计算资源的不断增加，LLM已成为自然语言处理领域的一个热门技术。本文将从LLM的发展历史、技术
【人工智能】基础模型（Foundation Models）的机遇与风险
近几年，预训练模型受到了学术界及工业界的广泛关注，对预训练语言模型的大量研究和应用也推动了自然语言处理新范式的产生和发展，进而影响到整个人工智能的研究和应用。近期，由斯坦福大学众多学者联合撰写的文章《On the Opportunities and Risks of Foundation Model
DataWhale 机器学习夏令营第二期——AI量化模型预测挑战赛 学习记录
DataWhale 机器学习夏令营第二期——AI量化模型预测挑战赛
【AI人工智能大模型原理讲解】Transformer 神经网络架构实践Network 在不同 NLP 任务中的广泛应用
2.3. 相关技术比较并行化处理：Transformer网络中的多头自注意力机制使得网络可以对输入序列中的多个位置进行并行计算，从而提高模型的训练和预测效率。长依赖处理：由于编码器和解码器都包含多头自注意力机制，网络可以捕捉输入序列中的长距离依赖关系，提高模型的记忆能力。自适应性：Transform
基于Transformer(卷积神经网络、循环神经网络)的情感分类研究
把C:\Program Files\NVIDIA Corporation\NVSMI添加到环境变量的path中。再重新打开cmd窗口。'nvidia-smi' 不是内部或外部命令，也不是可运行的程序。注意：安装时勾选“Python开发”和“C++桌面开发”搭建虚拟环境和pytorch软件平台。下载之
【人工智能】Softmax 函数基础介绍、应用场景、优缺点、代码实现
在机器学习中，softmax函数是一种用于多项式分类问题的激活函数，它将一个K维向量转换为K个范围在[0,1]之间且总和为1的概率分布。它通常被用于将最后一层的输出映射到一个概率分布上，从而使得分类器可以预测每一类的概率。Softmax函数是一个非常有用的激活函数，它可以将实数向量转换为概率分布，并
基于对数谱图的深度学习心音分类
这是一篇很有意思的论文，他基于心音信号的对数谱图，提出了两种心率音分类模型，我们都知道：频谱图在语音识别上是广泛应用的，这篇论文将心音信号作为语音信号处理，并且得到了很好的效果。
百度智能云千帆大模型平台2.0来了！从大模型到生产力落地的怪兽级平台
百度智能云千帆大模型平台2.0来了！从大模型到生产力落地的怪兽级平台！！
金融科技、区块链、人工智能——金融科技、区块链、人工智能的最新进展迫使我们掌握最新技术
虽然市场上已经有了很多关于金融、经济、管理学、计算机科学、生物学、化学、地球科学等方面的科普文章、教程、杂志，但还没有一篇真正聚焦于当前最热门的金融、技术、产业变革领域的专业文章。随着互联网的快速发展和产业的变革，我们对于传统行业的认识正在发生着巨大的变化。在这个变革的时代背景下，互联网、人工智能、
大火的charGPT能做什么，国内平台有哪些
要学习和使用CharGPT，可以参考OpenAI官方文档，或者参加类似的在线课程和培训。在中国，也有一些类似的自然语言处理平台，例如百度AI开放平台、阿里云智能机器学习平台等。CharGPT是一个基于OpenAI训练的大型自然语言处理模型，可以用来完成各种文本相关任务，例如文本生成、情感分析、问答等
深度学习 yolov5等结构图
yolov5 卷积神经网络 等结构图
智能家居解决方案：如何利用人工智能提高安全性？
作者：禅与计算机程序设计艺术 1.简介目前，智能家居已经成为各类领域的热点话题。随着智能电网、智慧城市、机器人智能助手等新兴应用的发展，智能家居已然成为一个新生事物。在这样的背景下，如何利用人工智能提高智能家居的安全性是一个重要且紧迫的问题。本文从智能门锁（Sm
人工智能大模型中token的理解
token”是当前语言类模型的数据单位。当前的自回归语言模型是根据 token 来作为单位进行数据处理和计算，分词（tokenization）就是将句子、段落、文章这类型的长文本分解为以 token 为单位的数据结构，把文本分词后每个词表示成向量进行模型计算。例如在英文语境下，“happy”可能被分
BiFPN 论文重点研读：高效双向跨尺度连接和加权特征融合
本文重点在于说明设计了BiFPN特征网络结构，如果能多使用几次BiFPN的话，会使实验效果更好。
【人工智能】大模型之编码器基础知识
序列数据输入：编码器接收输入序列数据，并将其存储在内存中。自注意力机制：编码器使用自注意力机制来提取序列中的信息，以使模型能够更好地理解序列中的不同部分。编码器输出：编码器通过将输入序列和其对应的输出向量相减来实现对序列数据的预测。编码器是神经网络中的一个重要组件，它的主要作用是将输入序列数据编码成
【目标检测】Grounding DINO：开集目标检测器(CVPR2023)
Grounding DINO，一种开集目标检测方案，将基于Transformer的检测器DINO与真值预训练相结合。开集检测关键是引入自然语言至闭集检测器，用于open world的检测。Grounding DINO将检测器分为三个阶段的紧密融合方案，包括。可实现对新颖类别进行检测，特定属性目标识别
最优传输问题与Sinkhorn算法
最近看到一篇特征匹配相关的论文，思想是将特征匹配问题转化为最优传输问题并用Sinkhorn算法求解，于是我去学习了一下相关知识
AI+互联网产品开发技能：数据分析、机器学习、深度学习、产品设计、产品运营
2020年全球新冠疫情席卷全球。疫情期间互联网行业迅速崛起。线上线下形成了巨大的市场，如在线学习、直播、短视频、金融、电商、O2O等。在这样的背景下，如何用人工智能技术进行优化布局、降低成本、提升效益，成为很多互联网公司的命门关头？这就是今天，我将带领大家一起讨论AI+互联网产品开发的一系列重要技术
层次聚类算法在人工智能医疗中的应用
作者：禅与计算机程序设计艺术 层次聚类算法在人工智能医疗中的应用引言1.1. 背景介绍随着人工智能技术的快速发展，医疗领域也逐渐迎来了信息化的春天。医疗数据的丰富性和复杂性为人工智能提供了大量的应用场景。层
人工智能中数学基础：线性代数，解析几何和微积分
在人工智能领域，线性代数、解析几何和微积分是最基础的数学知识。这些数学知识不仅在人工智能领域中被广泛应用，也是其他领域的重要基础。本文将介绍人工智能中的线性代数、解析几何和微积分的基础知识和应用。
