GAM注意力机制
GAM解析，使用Pytorch实现GAM attention
图像融合、Transformer、扩散模型
包大人说：“图像融合遇见Transformer，还是Transformer遇见图像融合？哪个更为贴切？”元芳回答：‘’都合适。‘’
【数据挖掘】期末复习题库集
【数据挖掘】期末复习题库集
【深度学习】——循环神经网络RNN及实例气温预测、单层lstm股票预测
密集连接网络和卷积神经网络都有主要的特点，那就是它们没有记忆。它们单独处理每个输入，在输入和输入之间没有保存任何状态。举个例子：当你在阅读一个句子的时候，你需要记住之前的内容，我们才能动态的了解这个句子想表达的含义。生物智能已渐进的方式处理信息，同时保存一个关于所处理内容的内部模型，此模型是根据过去
涨点技巧：注意力机制---Yolov5/Yolov7引入BoTNet Transformer、MHSA
BoTNet同时使用卷积和自注意力机制，即在ResNet的最后3个bottleneck blocks中使用全局多头自注意力（MHSA）替换3 × 3空间卷积;MHSA作为注意力机制加入yolov5/yolov7也取得了涨点
IDDPM官方gituhb项目--训练
IDDPM官方gituhb项目--训练
滑模控制(Sliding mode control)快速入门
最近作者受到邀请，让我帮忙给刚入门的学弟讲讲滑模控制。可是作者也不知道怎么向未入门的学弟讲解这些基础知识，所以作者翻了翻近几年写的很好的文章以及视频。综合起来，来总结出一套比较基础，且适用于初学者的文章吧。这里我们先贴一下同学的笔记。对应的视频连接在下面：【Advanced控制理论】17。
介绍5款热门的Chat GPT应用，总有适合你的一款
一款基于人工智能开发的小程序，可以提供语音翻译、文本识别、图片识别等多种人工智能应用，可以帮助用户节省很多时间和精力，为我们的生活提供了很多的便利。Aski，一款中文AI问答服务，以问答的形式，让AI来协助解决用户提出的各种问题。超级AI大脑它能够通过理解人类的语言来进行对话，还能根据聊天的上下文进
到底什么是机器学习模型？这篇文章终于讲明白了
模型是机器学习的核心组成要素。本文从模型的广义概念出发，引申出机器学习模型的基本定义，并就机器学习中容易混淆的概念——模型和算法，进行了详细对比和关系解读，最后列出了常见的模型评估指标与方法，供大家在学习机器学习的过程中起到一点参考作用。
浅谈VMD---变分模态分解
很多场景下，我们需要将信号进行分解，为我们下一步操作提供方便，常用的分解方法可以有EMD族类，例如EMD、EEMD、FEEMD、CEEMDAN、ICEEMDAN等，当然也有小波分解、经验小波分解等，总之分解方式多种多样，根据样本的特点，选用不同的分解方式。这里简要介绍VMD分解。 Konstant
【YOLO】YOLOv8实操：环境配置/自定义数据集准备/模型训练/预测
yolov8实操
斯坦福大学开源Alpaca模型源码，性能与GPT-3.5相当比GPT4逊色，训练成本不到100美元（教程含源码）
GPT-3.5 (text-davinci-003)、ChatGPT、Claude 和 Bing Chat 等指令遵循模型现在被许多用户广泛使用，包括用于与工作相关的任务。然而，尽管它们越来越受欢迎，但这些模型仍然存在许多需要解决的缺陷。虚假信息、社会刻板印象和有毒语言是与这些模型相关的一些问题。为
Tiny ImageNet 数据集分享
Tiny Image Net 数据集分享
【使用Pytorch实现ResNet网络模型：ResNet50、ResNet101和ResNet152】
在深度学习和计算机视觉领域取得了一系列突破。尤其是随着非常深的卷积神经网络的引入，这些模型有助于在图像识别和图像分类等问题上取得最先进的结果。因此，多年来，深度学习架构变得越来越深（添加更多层）以解决越来越复杂的任务，这也有助于提高分类和识别任务的性能并使其变得健壮。但是当我们继续向神经网络添加更多
广义回归神经网络（GRNN）的实现（Python，附源码及数据集）
本文对广义回归神经网络（GRNN）的理论基础及建模步骤进行介绍，之后使用Python实现基于GRNN的数据预测，通俗易懂，适合新手学习，附源码及实验数据集。
ChatGPT | 一文详解ChatGPT(学习必备)
☀️大家好！我是新人博主朦胧的雨梦，希望大家多多关照和支持😝😝😝🌖大家一起努力，共同成长，相信我们都会遇到更好的自己👊👊👊🌗期待我的文章能给各位带来知识的收获和解决问题的灵感🤩🤩🤩🌟大家的三连是我不断更新的动力😘😘😘ChatGPT是一种由OpenAI开发的预训练语言模型
最新版本 Stable Diffusion 开源 AI 绘画工具之中文自动提词篇
输入中文自动补全提示词
参数与非参数检验：理解差异并正确使用
数据科学是一个快速发展的领域，它在很大程度上依赖于统计技术来分析和理解复杂的数据集。这个过程的一个关键部分是假设检验，它有助于确定从样本中获得的结果是否可以推广到总体。
从零开始的机械臂yolov5抓取gazebo仿真（导航贴）
基于yolov5与Moveit!的机械臂拾取的教程导航帖
