tag 權重

標籤
貢獻53
95
03:55 PM · Nov 15 ,2025
u_14682436 頭像 u_16213635 頭像 u_15469972 頭像 u_13357275 頭像 u_16213716 頭像 u_6813689 頭像 u_16099269 頭像 u_16099331 頭像 u_16213708 頭像 u_16213706 頭像 u_16213620 頭像 u_15702012 頭像

@權重 / 博客 RSS 訂閱

u_16492406 頭像

mb65950ac695995 - 十、渲染插幀與 TAA 的關係：累積與去鬼影

Temporal Anti-Aliasing（TAA）通過將多個時間幀的信息累積在一起減輕鋸齒與噪聲。插幀也利用歷史幀，但目標是生成中間幀。兩者常共享重投影與運動向量。若在插幀中引入 TAA 的思想，可以對中間幀進行多幀融合，利用歷史信息提升穩定性。但必須控制鬼影：當運動向量錯誤或遮擋變化時，歷史像素不應參與融合。 去鬼影策略包括： 雙向一致性檢查：前後幀的

光流 , 運動向量 , 權重 , c++ , 後端開發 , c

收藏 評論

u_17578007 頭像

wx690f565d7bc78 - 詳解圖神經網絡：方法與應用（一）

詳解圖神經網絡（GNN）：方法與應用（一） 圖神經網絡（Graph Neural Networks, GNN）是深度學習領域針對非歐幾里得數據（如社交網絡、分子結構、知識圖譜）的核心模型家族。與CNN（處理網格結構圖像）、RNN（處理序列結構文本）不同，GNN能夠天然捕捉圖數據中的節點關聯關係和拓撲結構信息，已成為解決複雜關聯問題的關鍵技術。本系列將分三篇詳解GNN：第一篇

社交網絡 , MySQL , Graph , 權重 , 數據庫

收藏 評論

u_16213620 頭像

mob64ca1401464d - 解讀C++即將迎來的重大更新（一）：C++20的四大新特性 -

第一章：C++20協程與遊戲引擎架構演進 C++20引入的協程特性為高性能系統編程帶來了範式級變革，尤其在遊戲引擎這類對異步任務調度和資源管理高度敏感的領域中展現出巨大潛力。傳統基於回調或狀態機的任務處理方式往往導致代碼分散、可讀性差，而協程允許開發者以同步風格編寫異步邏輯，顯著提升開發效率與維護性。 協程核心機制在引擎中的應用

非阻塞 , 高併發 , 權重 , 後端開發 , Python

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：六十八、集成學習：從三個臭皮匠到AI集體智慧的深度解析

一、什麼是集成學習 我們通常説“三個臭皮匠，頂個諸葛亮”，集成學習就是利用這個思想。在機器學習中，我們訓練多個模型，這些模型可以是同一種類的，也可以是不同種類的，然後通過某種方式將它們組合起來，共同完成一個任務，從而獲得比單個模型更好的性能。 通俗的講，好比我們要做一個重要的決策，有多種選擇，首先我們可以問一個投資專家，其次也可以問一羣不同背景的專家，然後綜合他們的意

機器學習 , 集成學習 , yyds乾貨盤點 , 權重 , 人工智能 , 過擬合

收藏 評論

u_14682436 頭像

TwcatL - 深度學習的“黑箱”解決之路：可解釋性技術的核心價值與實踐探索

隨着深度學習在醫療、金融、司法等關鍵領域的廣泛應用，“黑箱”問題逐漸成為制約其進一步落地的核心瓶頸。一個模型能夠精準d預測結果，但我們卻無法解釋其決策依據——在癌症診斷中，模型為何判定患者為陽性？在信貸審批中，模型為何拒絕用户的貸款申請？這種不可解釋性不僅降低了用户對模型的信任度，還可能帶來合規風險。本文結合我的研究與實踐經歷，深入探討深度學習可解釋性的核心價值、主流技術方法、應

指尖人生 , 權重 , 模塊化 , 深度學習 , jquery , 前端開發

收藏 評論

u_16213716 頭像

mob64ca141834d3 - python - 深度神經網絡原理與實踐 - 自然醒的筆記本

目錄 深度學習核心網絡模型梳理 簡述 1）基礎網絡模型 2）模型核心設置（組件選擇） 一、單個神經元 1）結構 2）意義 二、基礎網絡模型 1. 多層感知機（MLP） 2. 卷積神經網絡（CNN）

數據 , 權重 , 後端開發 , 過擬合 , Python

收藏 評論

u_6813689 頭像

程序員小2 - 終於把 LSTM 算法搞懂了！

傳統 RNN 結構簡單，但當序列較長時，誤差反向傳播會使梯度逐漸變得極小（梯度消失），導致模型無法學習長期依賴。 LSTM 通過引入精心設計的門控機制來有效地學習、記憶和遺忘信息，從而更好地捕捉序列中的長期依賴關係。 LSTM 核心原理 LSTM 的核心是細胞狀態，它就像一條傳送帶，信息在上面直接傳遞，只通過少量的線性操作，這有助於保持信息的完整性，從而

數據 , 數學公式 , 權重 , 代碼人生

收藏 評論

u_16213635 頭像

mob64ca1404baa2 - 多路譜聚類算法 源碼

引入 　　聚類算法一般可以分為兩類： Compactness。代表的算法有 K-means，GMM 等。但這類算法只能處理凸集，為了處理非凸的樣本集，必須引⼊核技巧。 Connectivity。這類以 spectral clustering 為代表。 　　舉個例子，將下述數據採用聚類算法進行聚類，可以採用GMM 或 K-Means 的方

機器學習 , 子圖 , 切圖 , 權重 , 人工智能 , 多路譜聚類算法 源碼

收藏 評論

u_16099269 頭像

落筆成詩 - 深度學習中的多尺度融合是什麼

論文地址：https://arxiv.org/abs/1504.06375 現有的多尺度多層次的神經網絡 　　多尺度學習可以在神經網絡中，以越來越大的感受野和下采樣的形式，每個層中學習的特徵表示是多尺度的，另一方面在神經網絡之外，也可以通過例如調整輸入圖像的尺度獲得多尺度信息。 多尺度學習的可能配置 　　 　　multi-stream lea

神經網絡 , 深度學習中的多尺度融合是什麼 , 權重 , 人工智能 , 深度學習 , 網絡流

收藏 評論

u_16099331 頭像

墨色天香 - 【乾貨】​深度學習中的線性代數 -

1. 線性代數是什麼？ 線性代數是數學的一個重要分支，主要研究向量、矩陣、線性方程組和線性變換等概念。如果把深度學習比作一棟高樓，那麼線性代數就是這棟高樓的"鋼筋骨架"——它雖然不直接可見，卻支撐着整個建築的結構穩定性。 1.1 基本數學對象 在深度學習中，數據通常以以下幾種形式表示： 標量(Scalar)：單個數字，比如温度值25℃或者商品價格

特徵值 , 權重 , 後端開發 , 深度學習 , Python

收藏 評論

u_16213708 頭像

mob64ca14163a4f - 基於鯨魚優化深度混合核極限學習機的故障診斷方法

基於極限學習機（Extreme Learning Machine, ELM）實現電路故障模式分類 一、系統架構設計 二、關鍵步驟（MATLAB代碼框架） 1. 數據預處理 % 加載電路仿真數據（以Cadence仿真結果為例） load('circuit_fault_data.mat'); % 包含電壓/電流波形及故障標籤

數據 , 權重 , Ada , 前端開發 , Javascript

收藏 評論

u_16213706 頭像

mob64ca1415bcee - 搭建合約量化機器人和現貨量化機器人現在這麼火爆？ - osc

1. 為什麼你的模型“記性”這麼差？（痛點與背景） 想象一下，你訓練了一個神經網絡來識別手寫數字（MNIST），準確率高達 99%。 接着，你希望能複用這個聰明的腦子，讓它繼續學習識別時尚單品（Fashion-MNIST）。 你把模型拿來，在“衣服鞋子”的數據集上跑了幾輪訓練。結果很棒，它現在能完美識別運動鞋和襯衫了。 但是，當你隨手扔給它一張數字 “7”

神經網絡 , 權重 , fish , jquery , 前端開發

收藏 評論

u_16213635 頭像

mob64ca1404baa2 - Python量化交易入門_黑馬程序員的技術博客

一、量化 1.1、目的 大模型量化的主要目的是壓縮模型參數，降低計算複雜度，提高推理效率。 存儲優化：將高精度的浮點型參數轉換為低精度的整數參數，減少模型存儲空間。 計算加速：使用低精度整數進行計算，降低計算複雜度，提高推理速度。 硬件適配：某些硬件（如嵌入式設備、移動端芯片）對低精度計算支持更好，量化可以提高 適配性。

數據 , 數位 , 權重 , 人工智能 , 前端開發 , Javascript , Python

收藏 評論

u_56701 頭像

hackernew - matlab 控制小車,小車倒立擺PID，極點配置，LQR控制的MATLAB仿真

一、系統建模與參數設置 1. 狀態空間模型 1. 狀態空間模型 其中狀態變量 其中狀態變量 2. 參數定義 % 物理參數 M = 1.096; % 小車質量 (kg) m = 0.109; % 擺杆質量 (kg) l = 0.25; % 擺長 (m) g = 9.8; % 重力加速度 (m

建模 , 狀態空間 , 權重 , 前端開發 , Javascript

收藏 評論

u_15702012 頭像

呀哈哈kk - 【詳解】Dubbo幾種負載均衡算法

Dubbo幾種負載均衡算法 在分佈式系統中，服務的高可用性和性能優化是至關重要的。Dubbo作為一款高性能的Java RPC框架，在服務治理方面提供了豐富的功能，其中負載均衡（Load Balancing）是一個關鍵特性。通過合理的負載均衡策略，可以有效地提高系統的整體性能和穩定性。本文將詳細介紹Dubbo提供的幾種負載均衡算法。 1. 隨機算法 (Rando

負載均衡 , 權重 , 後端開發 , 服務提供者 , JAVA

收藏 評論

u_16213709 頭像

mob64ca141677f9 - Stanford CoreNLP提取關鍵詞

　　1.關鍵字提取： 　　關鍵詞抽取就是從文本里面把跟這篇文檔意義最相關的一些詞抽取出來。這個可以追溯到文獻檢索初期，當時還不支持全文搜索的時候，關鍵詞就可以作為搜索這篇論文的詞語。因此，目前依然可以在論文中看到關鍵詞這一項。 　　除了這些，關鍵詞還可以在文本聚類、分類、自動摘要等領域中有着重要的作用。比如在聚類時將關鍵詞相似的幾篇文檔看成一個團簇，可以大大提

數據 , 詞頻 , NLP , 權重 , 人工智能

收藏 評論

20214843 頭像

龐然大悟 - 負載均衡算法深度剖析：輪詢 / 加權 / IP 哈希 / 最少連接的底層邏輯與適用場景

一、負載均衡核心目標：流量分發與資源最大化利用 NGINX 負載均衡的核心是將海量客户端請求均勻分發至後端多個服務節點，避免單節點過載，同時提升系統可用性與吞吐量。其四大經典算法（輪詢、加權、IP 哈希、最少連接）分別針對不同業務場景設計，核心差異體現在 “分發策略” 與 “會話一致性” 的權衡上。 二、四大核心算法：底層邏輯與特性解析 1. 輪詢（Round

服務器 , ip , 負載均衡 , 權重 , Nginx

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI教務員智能平台系統——把“排課、考勤、成績單”做成一鍵套餐，讓教務老師準時下班

每學期開局，教務辦公室總上演“人海拼圖”：教師時間衝突、教室容量不足、學生選課撞車……AI教務員智能平台系統用“大模型+運籌算法+實時數據”把排課、考勤、成績、畢業審核串成一條自動化流水線，讓教務老師從“表格奴隸”升級為“數據指揮官”。 一、智能排課：30秒生成“零衝突”課表 平台讀取5類數據： 教師時間碎片（含科研、外出）； 學生選課意願（權重分5級）； 教

多目標 , 數據 , NLP , 權重 , 人工智能

收藏 評論

u_15742790 頭像

數據科技訊 - 北京南文觀點：品牌營銷從佔據人心到掌控AI決策權

AI智能體深度介入消費決策的每一個環節，人工智能的認知邊界正以前所未有的速度消融。這一變革不僅重塑了信息傳播的底層邏輯，更從根本上顛覆了品牌競爭的核心範式。北京南文公關深刻洞察到，品牌競爭的本質已完成從“爭奪人腦注意力”到“佔據AI決策權”的關鍵躍遷。南文樂園科技文化（北京）有限公司（簡稱：北京南文）認為在這場無邊界的認知競爭中，唯有構建適配AI認知規律的品牌知識體系，深度嵌入其

MySQL , 權重 , 數據庫 , 人工智能 , 迭代

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 揭秘TF-IDF與TextRank：關鍵詞提取核心技術解析 - 教程

1. 關鍵詞提取技術 在本章，你將瞭解目前較為實用的關鍵詞提取技術。關鍵詞是代表文章重要內容的一組詞。對文本聚類、分類、自動摘要等起重要的作用。此外，它還能使人們便捷地瀏 覽和獲取信息。現實中大量文本不包含關鍵詞，自動提取關鍵詞技術也因此具有重要意義和價值。 一篇文檔的關鍵詞等同於最能表達文檔主旨的N個詞語，即對於文檔來説最重要的詞，因此，可以將文本

redis , List , 詞頻 , 權重 , 數據庫

收藏 評論

u_16213583 頭像

mob64ca13f83523 - sharpcompress下載

目錄 概 主要內容 代碼 Foret P., Kleiner A., Mobahi H., Neyshabur B. Sharpness-aware minimization for efficiently improving generalization. In International Conference on Le

sharpcompress下載 , 泛化 , 雲計算 , 權重 , 雲原生 , ci

收藏 評論

u_13715298 頭像

技術員阿偉 - 《遊戲評論區輿情量化與運營預警實戰指南》

遊戲評論區早已不是簡單的互動場域，而是藏着用户情緒密碼的隱形監測站。每一條留言背後，都涌動着未被言説的態度傾向，每一次情緒共振，都可能醖釀成影響內容生命週期的輿情浪潮。多數運營者仍停留在“人工刷評”的低效階段，要麼錯過情緒發酵的黃金預警期，要麼被海量無效信息誤導決策，而真正的進階玩法，在於將散落的評論情緒轉化為可量化的輿情信號，通過精準解碼實現“情緒未爆先預警”，讓運營動作從被動

yyds乾貨盤點 , 數據 , 錨點 , 權重 , 代碼人生

收藏 評論

u_16099177 頭像

雲端小夢 - TikTok如何判定賬號是否限流？該怎麼解決？

做TikTok的人，最怕三件事——賬號沒流量、視頻零播放、內容突然掉權。 有時候你明明在按爆款邏輯做內容，卻發現： 視頻剛發就不推流 平常幾千播放，突然變成幾十甚至個位數 換內容也沒用，賬號像“死號” 甚至發一條限一條、換號又廢一個 這就是TikTok最常見的隱形風控機制：限流。本篇文章拆解Ti

音視頻 , 限流 , 風控 , 權重 , 前端開發 , Javascript

收藏 評論