tag 人工智能

標籤
貢獻928
977
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 xingxingshangdeliushu 頭像 u_17579295 頭像 lab4ai 頭像 u_15591470 頭像 u_17512334 頭像 rtedevcomm 頭像 qingfouai 頭像 tecdat 頭像

@人工智能 / 博客 RSS 訂閱

u_16099289 頭像

編程小匠人傳奇 - 第945期機器學習日報(2017-04-20)_ai100

目錄 摘要 Abstract 一、優化目標 二、K-means算法的直觀理解 總結 摘要 今天深入學習了K-means算法的數學原理和優化過程。通過分析成本函數的構成，我理解了算法如何通過交替優化聚類分配和中心位置來最小化平方距離。具體來説，第一步是將每個點分配到最近的聚類中心，第二步是重新計算聚類中心為所屬點的

機器學習 , 聚類 , 最小化 , 人工智能 , Css , ci , 前端開發 , HTML

收藏 評論

tangshiye 頭像

AI架構師湯師爺 - 釦子Coze實戰：一鍵復刻全網10W+爆款文案

大家好，我是湯師爺，分享1000個行業智能體案例，幫助100W人用智能體創富~ 現在這個時代，做內容的人壓力真的很大。 一邊要不停寫出好東西，一邊還常常沒靈感、時間緊張。 怎麼快速找到靈感？怎麼分析那些爆款？怎麼學會人家的套路？這些都是做內容的人每天要面對的問題。 今天要給你介紹一套智能體系統，能幫你一鍵複製全網的爆款內容。 不管你是做短視頻的、寫文案的，還是搞內容營銷的，用了這套系統，效率至少提

教程 , 知識 , 人工智能

收藏 評論

u_16213631 頭像

mob64ca1403c772 - 波士頓數據集 迴歸 百度的波士頓矩陣分析

產品的生命週期分為起步期、發展期、成熟期和衰退期（見下圖），不同時期的產品價值和意義有所不同。產品在起步期如初生的嬰兒，如果有良好的環境就會茁壯成長，但這個時期的產品也要不斷調整和升級以適應外部環境；發展期的產品猶如青年人，身強體壯、精力充沛，各方面的機能都處於最優狀態，這個時期的產品要繼續發揮優勢、佔領市場；成熟期的產品猶如中年人，處於人生巔峯，同時也

機器學習 , 生命週期 , 智能家居 , 市場份額 , 波士頓數據集 迴歸 , 人工智能

收藏 評論

u_17003056 頭像

贛州雲智科技 - “體重管理年”AI運動應用開發解決方案推薦

引言： 又是一年年末了，距國家提出“體重管理年”健康促進活動已過去一年了，您的體重達標了嗎？今天，就讓我們一同深入探討單位、部門組織職工響應國家“體重管理年”活動時，在相關應用開發方面的實用解決方案。 一、「體重管理年」健康促進活動 體重管理年是由國家衞生健康委聯合教育部、體育總局等16個部門於2024年6月共同發起的健康促進活動，旨在應對居民因超重

體重管理年 , AI健身 , 人工智能 , AI運動識別 , 深度學習 , AI運動小程序 , AI運動APP

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：五十四、智能投資顧問的兩種實現：反應式與深思式實踐策略對比

一、項目介紹 前面幾篇內容重點討論了智能體的相關知識點，特別對反應式和深思式做了深入的探討，今天結合智能投資顧問的實例，繼續深入探討基於反應式與深思熟慮式兩種架構的實現方式，重點討論兩種架構的設計理念、技術實現和應用場景。 通過詳細的對比分析和實際案例展示，進一步揭示兩種架構在用户體驗、處理深度和商業價值方面的差異化優勢，同時為金融機構構建新一代智能投顧系統提供了全面

規則引擎 , 智能體 , 私藏項目實操分享 , pytorch , 響應時間 , 人工智能 , Json

收藏 評論

aoshizhongshengdexiangjiao_bvx78q 頭像

傲視眾生的香蕉_bvX78Q - 騰訊 WeKnora 深度解析：大模型時代文檔理解與檢索的技術突破

在信息爆炸的數字化時代，企業與科研機構每天都要面對海量的 PDF、Word、圖片等多格式文檔，如何從中快速提取有效信息並實現精準檢索，成為制約工作效率的關鍵瓶頸。騰訊近期開源的文檔理解與檢索框架 WeKnora，基於大語言模型（LLM）構建了一套端到端的智能處理方案，通過模塊化設計與多模態融合技術，重新定義了文檔知識管理的技術標準。​ 一、架構設計：五維協同的模塊化流水線​ 完整呈現數據準備與索

騰訊 , 人工智能 , 開源

收藏 評論

u_15591470 頭像

ceshiren2022 - 藉助Playwright MCP實現UI自動化測試：全面指南與實戰案例

想象一下，只需用自然語言告訴AI：“測試網站的登錄功能”，它就能自動操作瀏覽器，完成整個測試流程並生成報告——這就是Playwright MCP帶來的變革。 在快速迭代的現代軟件開發中，UI自動化測試已成為保障產品質量的關鍵環節。然而，傳統自動化測試方法高度依賴測試工程師手動編寫和維護腳本，不僅耗時巨大，且腳本脆弱性高——頁面結構的細微變化就可能導致測試失敗。 隨着大語

自然語言 , 人工智能 , 深度學習 , 自動化測試 , ui

收藏 評論

openbayescom 頭像

OpenBayes - SAM3 重塑場景分割邊界；X-Dance 解鎖圖像驅動舞姿生成新難度

公共資源速遞 5 個公共數據集： 3EED 語言驅動三維理解數據集 X-Dance 圖像驅動舞蹈動作數據集 PhysToolBench 物理工具任務數據集 OST-Bench 時空場景理解基準數據集 Astrophysical Objects Image 天體物理物體圖像數據集 4 個公共教程： SAM3：視覺分割模型 FLUX.2-dev：圖像生成與編輯模型 Superto

機器學習 , 資訊 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_16213711 頭像

mob64ca1416f1ef - GDEMV3 30M 分塊數據DEM拼接

分塊算法總結 　　分塊，就是一種暴力算法，不過複雜度優於暴力，是基於足夠的預處理和合理可行的維護操作進行優化時間， 　在預處理+維護的耗時上與暴力處理的耗時上找到一種平衡，於是出了這個優美的算法 　　標誌：查詢某一區間內元素種類數，查詢某一區間大於等於某一元素的數的個數（即排名 　　為了查詢大於等於C的個數，可以排序，用區間長度-C的排名就是 答案數。

機器學習 , 複雜度 , include , 人工智能 , define

收藏 評論

u_7883056 頭像

巨浪888 - 讓聾啞人“開口”被聽見：我用Comate + 文心4.5，10分鐘搭了個「AI 無聲譯手」讓聾啞人“開口”被聽見：我用Comate + 文心4.5，10分鐘搭了個「AI 無聲譯手」

你試過和聾啞人聊天嗎？ 我試過——在醫院的掛號窗口，一位聾啞大叔用手語比劃了半天，我和工作人員面面相覷，最後他默默掏出手機，打字：“我想掛號”。 那一刻我意識到：我們生活在同一個世界，卻彷彿隔着兩個次元。 中國有2800萬聽障人士，手語翻譯師卻只有1萬名。 供需比 2800 : 1。 一台專業手語翻譯機要6000-12000元，普通人根本看不懂手語。 於是我冒出一個想

code , 微信小程序 , zulu , 私藏項目實操分享 , 離線 , AI編程 , 人工智能 , 深度學習

收藏 評論

u_16213621 頭像

mob64ca14017c37 - grafana兩個指標合併

前言 多目標跟蹤器的性能需要某些指標來進行度量，目前使用比較廣泛的評測指標主要有 Bernardin 等人定義的 CLEAR MOT 指標、Ristani 等人定義的 ID scores 指標以及最新的 Luiten 等人定義的HOTA 指標。 一、基礎的評測指標 1.1 ID Switches (ID Sw.) 被跟蹤目

雲計算 , 算法 , grafana兩個指標合併 , 目標跟蹤 , 人工智能 , 雲原生 , 目標檢測

收藏 評論

u_17583190 頭像

fangpin - 深入解析：使用 Triton 實現 Flash Attention2 - 讓大模型訓練飛起來

引言 你是否曾經在訓練大型語言模型時，眼睜睜地看着 GPU 內存不斷飆升，最終因為 OOM（Out of Memory）錯誤而前功盡棄？或者在處理長序列時，發現注意力機制的計算時間呈平方級增長，讓人望而卻步？ 如果你有過這樣的經歷，那麼今天這篇文章將為你帶來一個革命性的解決方案：Flash Attention2。更令人興奮的是，我們將通過 Triton 這個強大的 GPU 編程框

歸一化 , 人工智能 , 深度學習 , ide , Python

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 數據採集的“蛛網”架構：海外社交媒體分析網站如何實現覆蓋全網社媒

為什麼海外社交媒體分析網站能夠做到幾乎全網覆蓋？答案藏在它們背後的“蛛網式”數據採集架構中。這套體系跨越平台、跨越語言、跨越媒體類型，能讓企業從海外社媒平台到小眾論壇、新聞媒體快速獲取海量信息。理解這種數據採集結構，是企業判斷一個平台是否可靠的關鍵，也直接決定分析結果的深度與準確性。 海外社交媒體分析網站的數據來源主要包括三類：公開社交數據、開放

數據 , 數據採集 , 人工智能 , 數據分析 , 社交媒體

收藏 評論

u_16099261 頭像

風華絕代的java - 目標跟蹤ID

本期更新全是乾貨 首先説一下我們跑完訓練好的跟蹤器之後，可能想自己製作一個視頻，然後運用到跟蹤當中，這期博主帶大家一步一步的完成這個目標，看很多博客沒有系統的製作，並且過程比較繁瑣，沒有統一的説明。這次給大家帶些福利，節省大家科研工作的時間！歡迎大家積極討論！ 注：博主也是花了很多時間，所以，如果説對大家有用，給博主點點關注，謝謝！ 視

目標跟蹤 , 人工智能 , 目標跟蹤ID , 深度學習 , 計算機視覺 , Python

收藏 評論

huodadexiang 頭像

南瓜 - 基於深度學習的河道垃圾檢測系統設計（YOLOv8）

基於深度學習的河道垃圾檢測系統設計（YOLOv8） 一、研究背景：AI 如何參與河道環境治理？ 隨着城市化進程加快，河道、湖泊、水庫等水體中的塑料垃圾問題日益嚴峻。其中，塑料瓶因體積明顯、數量龐大、難以自然降解，已成為水環境污染治理中的重點對象。 傳統河道垃圾監測方式主要存在以下痛點： ❌ 人工巡查成本高、效率低 ❌ 監測結果主觀性強，難以量化 ❌ 無法實現實時、連續監控 ❌ 難以形成

機器學習 , 人工智能 , 深度學習

收藏 評論

u_17582161 頭像

成都古河雲科技 - 智慧暖通節能構建建築熱力系統“智慧大腦”

暖通空調系統是現代建築中最大的能耗單元，其能耗佔比常高達40%-60%。傳統基於固定設定點與簡單時序控制的運行模式，已無法滿足“雙碳”目標下對能效極致追求的訴求。智慧暖通節能系統，應運而生，它不再是一個孤立的控制器，而是一個融合了物聯網、大數據與人工智能技術的建築熱力系統“智慧大腦”。 一、 系統架構：三層技術棧實現閉環優化 一個成熟的智慧暖通系統，通常構建在

技術棧 , 數據 , 全局優化 , 人工智能 , 數據分析

收藏 評論

u_15591470 頭像

ceshiren2022 - 測試框架躍遷：從 Selenium 到 Playwright 的實戰指南

如果你已經在使用 Selenium 進行 Web 自動化測試，可能會注意到近年來 Playwright 的崛起。這不是簡單的替代關係，而是一次測試能力的全面升級。我在去年帶領團隊完成從 Selenium 到 Playwright 的遷移後，測試執行速度提升了40%，代碼維護成本降低了30%。更重要的是，那些曾經令人頭疼的等待問題、不穩定性問題，都得到了顯著改善。 核心差異：不僅僅是語

playwright , 人工智能 , 深度學習 , selenium

收藏 評論

haixiudezhusun 頭像

高德開放平台 - 高德開放平台全球LBS服務，MCP Server正式登陸阿里云云市場

高德地圖作為全球領先的LBS提供商，憑藉其強大的數據處理能力和廣泛的地理信息覆蓋，每日處理定位及路徑規劃需求超過千億次。高德地圖數據覆蓋全球200多個國家和地區，擁有7000w個國內POI數據、1.2億海外POI數據，同時覆蓋全球4億地址數據。並且基於全球路網、路況數據的全面覆蓋，為用户提供全球範圍內的精準、實時的地圖服務，滿足多樣化的地理信息需求。 今日，高德開放平台宣佈正式入駐阿里云云市場，推

地圖開發 , 資訊 , 人工智能 , 前端

收藏 評論

u_16213610 頭像

mob64ca13feda16 - detectron2 自定義數據訓練maskrcnn實例分割

Detectron2對coco數據格式優先支持。所以在開始之前建議把自己數據修改為標準的coco格式，各種類型數據轉coco格式腳本見：轉換工具箱。 注：這個大佬的數據轉換工具，在box標註那裏貌似會偏移一個像素，不知道修復沒有。但是如果對檢測box的定位精度不是要求很苛刻的話，這個並不會有太大影響。 Detectron2訓練自己數據

機器學習 , 數據 , 人工智能 , Json , Python

收藏 評論

u_16099241 頭像

技術領航博主 - 一文詳解生成對抗網絡(GAN)的原理，通俗易懂 -

GAN：從零理解生成對抗網絡的原理與魅力 GAN（Generative Adversarial Network，生成對抗網絡）是一種“讓模型學會像藝術家一樣創作數據”的技術，它通過“生成器”和“判別器”的博弈訓練，最終能夠生成以假亂真的圖像、語音甚至視頻。 🎯 1. 為什麼會有 GAN？它要解決什麼問題？

生成器 , 數據分佈 , 人工智能 , gan , 前端開發 , Javascript , Python

收藏 評論

u_14172 頭像

archangle - 測試大語言模型編程能力的問題

一、測試與正確性論證 　　a) 程序測試是指對一個完成了全部或部分功能、模塊的計算機程序在正式使用前的檢測，以確保程序能按預定的方式正確運行。測試用例由測試數據和預期結果構成，高效的測試應用盡量少的測試用例發現軟件儘可能多的錯誤。但程序測試只能發現錯誤，測試用例全部通過仍不能證明程序的正確性，窮舉測試（窮舉所有情況）幾乎是不可能的，同時將耗費大量時間和精力。 　　b)

測試用例 , 建模 , 測試大語言模型編程能力的問題 , NLP , jsf , 人工智能

收藏 評論

u_16099304 頭像

藍夢之翼 - LDA降維分析的軟件

1、PCA降維 降維有什麼作用呢？ 數據在低維下更容易處理、更容易使用； 相關特徵，特別是重要特徵更能在數據中明確的顯示出來；如果只有兩維或者三維的話，更便於可視化展示； 去除數據噪聲 降低算法開銷 常見的降維算法有主成分分析（principal component analysis,PCA）、因

機器學習 , 擬合 , 數據 , 人工智能 , LDA降維分析的軟件 , 過擬合

收藏 評論

lab4ai 頭像

Lab4AI - 港大團隊提出DeepCode ，讓 Agent 真能“讀論文寫可運行代碼”

港大團隊提出DeepCode ，讓 Agent 真能“讀論文寫可運行代碼” 01 論文概述 這篇論文來自香港大學團隊（通訊作者：Chao Huang）。論文提出並開源了 DeepCode ：一個能“自動寫項目”的智能體框架，想解決的不是讓模型多寫幾段代碼，而是讓它讀完論文或技術文檔後，能把一整套代碼工程搭起來，包括項目結構怎麼拆、不同文件怎麼配合、訓練/評測腳本怎麼寫，最後還能把復現實驗真正跑通。

人工智能

收藏 評論

u_16213655 頭像

mob64ca1409970a - emacs manual

翻頁命令： C-v：向前移動一屏 M-v：向後移動一屏 C-l：重繪屏幕，並將光標所在行置於屏幕的中央 光標控制： C-n：移動到下一行（next） C-p：移動到上一行（previous） C-f：向右移動一個字符（forward） C-b：向左移動一個字符（backward）

機器學習 , emacs , 搜索 , 人工智能 , emacs manual , 使用手冊

收藏 評論