强化学习的基础知识和6种基本算法解释
本文将涉及强化学习的术语和基本组成部分，以及不同类型的强化学习(无模型、基于模型、在线学习和离线学习)。本文最后用算法来说明不同类型的强化学习。
当AI学会创作，是否应该感到担忧？
近来，随着 Open AI 发布的新一代 AI 聊天机器人 ChatGPT 火遍科技圈，人工智能生成内容( AIGC )这一领域开始受到学术界、工业界甚至普通用户的更广泛关注。AIGC 凭借其独特的“创造力”与人类无法企及的创作生成速度掀起了一股人工智能狂潮。因此，本文中，我们将介绍何为人工智能与
ubuntu22.04更换RTX 4090显卡后，安装驱动和pytorch记录
ubuntu22.04更换4090显卡后，安装驱动和pytorch记录显卡更换之前（之前使用的是2080ti），已在ubuntu图形界面的“附加驱动”中安装nvidia驱动，并且anaconda环境中的pytorch正常使用。
如何使用Python轻松解决TSP问题（遗传算法）
临时接到一个分支任务，那就是解决TSP问题，来作为人工智能课程的期中测试。是的这不时巧了嘛，我Hou（第三声）恰好略懂一二。那么今天的话，咱们就用好几个方案来解决这个问题吧，首先是咱们的遗传算法，之后是咱的PSO算法，最后是咱们的一个衍生想法，就是使用强化学习来做（这里选取的是DQN，我们采用3个网
「模型即服务AI」1分钟调用SOTA人脸检测，同时搭建时光相册小应用
本文介绍如何快速调用AI能力，并快速创建AI应用服务，跟随本文只需1分钟就能完成上述任务。现如今结合模型即服务AI热潮，相应AI应用搭建将会越来越方便，大把的精力可以集中放到AI技术与应用的普及和相应创新上了。
Python中的魔法方法
python中的魔法方法是一些可以让你对类添加“魔法”的特殊方法,它们经常是两个下划线包围来命名的
2022.09.29更新 c++下面使用opencv部署yolov5和yolov7实例分割模型（六）
opencv部署yolo实例分割模型。
MNIST数据集手写数字识别（CNN）
MNIST 包括6万张28x28的训练样本，1万张测试样本，很多教程都会对它”下手”几乎成为一个 “典范”，可以说它就是计算机视觉里面的Hello World。所以我们这里也会使用MNIST来进行实战。前面在介绍卷积神经网络的时候说到过LeNet-5，LeNet-5之所以强大就是因为在当时的环境下将
使用PyTorch进行知识蒸馏的代码示例
在本文中，我们将探索知识蒸馏的概念，以及如何在PyTorch中实现它。
AI遮天传 DL-深度学习在自然语言中的应用
AI遮天传 DL-深度学习在自然语言中的应用
基于机器学习的电影票房分析与预测系统
本项目利用 boxoffice mojo数据集（by IMDBpro）构建票房预测模型，首先将影响电影票房的因素如电影类型、上映档期、导演、演员等量化处理并进行可视化分析。采用多元线性回归模型、决策树回归模型、Ridge regression 岭回归模型、Lasso regression 岭回归模型
从另外一个角度解释AUC
AUC到底代表什么呢，我们从另外一个角度解释AUC
时间序列的蒙特卡罗交叉验证
交叉验证应用于时间序列需要注意是要防止泄漏和获得可靠的性能估计本文将介绍蒙特卡洛交叉验证。这是一种流行的TimeSeriesSplits方法的替代方法。
汽车悬挂系统的现代控制分析（现代控制理论课程小论文）
随着社会的进步、科技的发展，人们生活水平不断提高，乘坐车辆的频率增多，对于汽车乘坐舒适性的要求也越来越高。另一方面，由于最近几年国内外汽车制造业的迅猛发展，汽车制造业的竞争也日益激烈，各个汽车制造公司加强研发力量，试图开发出乘坐舒适性好、高性能、经济的产品，以期望使自己公司在激烈的市场竞争中长盛不衰
基于Vision Transformers的文档理解简介
文档理解是从pdf、图像和Word文档中提取关键信息的技术。这篇文章的目标是提供一个文档理解模型的概述。
机器学习期末复习题题库-单项选择题
1.属于监督学习的机器学习算法是：贝叶斯分类器2.属于无监督学习的机器学习算法是：层次聚类3.二项式分布的共轭分布是：Beta分布4.多项式分布的共轭分布是：Dirichlet分布5.朴素贝叶斯分类器的特点是：假设样本各维属性独立6.下列方法没有考虑先验分布的是：最大似然估计7.对于正态密度的贝叶斯
基于MATLAB的语音去噪处理系统
一．滤波器的简述在MATLAB环境下IIR数字滤波器和FIR数字滤波器的设计方 法即实现办法，并进行图形用户界面设计，以显示所介绍迷你滤波器的设计特性。 在无线脉冲响应（IIR）数字滤波器设计中，先进行模拟滤波器的设计，然后进行模拟数字滤波器转换，即采取脉冲响应不变法及双线性Z变更法设计数字滤波器
ChatGPT可以一本正经的胡说八道，其他AI可以吗？
随着自然语言处理和语言建模领域的快速发展，很难预测ChatGPT将会有哪些进一步的改进。但是，还是有一些潜在的改进领域：提升模型处理大量复杂输入的容量和能力。这可能涉及到在更大、更多样化的数据集上训练ChatGPT，或者使用更高级的训练技术。提高模型以生成更自然、更像人类文本的能力。这可能涉及针对特
使用TensorFlow Probability实现最大似然估计
TensorFlow Probability是一个构建在TensorFlow之上的Python库。它将我们的概率模型与现代硬件(例如GPU)上的深度学习结合起来。
AI遮天传 DL-反馈神经网络RNN
AI遮天传 DL-反馈神经网络
