tag 人工智能

標籤
貢獻909
912
06:37 AM · Oct 27 ,2025

@人工智能 / 博客 RSS 訂閱

北京數據堂 - 行業洞見 | AI鑑偽:數據驅動的數字安全變革

某金融機構險些因一段"高管"視頻指令損失數千萬——畫面、聲音、口音均無可挑剔,卻被AI鑑偽系統在0.3秒內識破為深度偽造。這類事件已從偶發風險演變為常態威脅。 在這個深度偽造技術氾濫的時代,鑑偽需求已覆蓋金融、媒體、政務、醫療等多個領域,從合同核驗到音視頻識別,本質都是通過捕捉“偽造痕跡”區分真偽,而這一過程離不開海量多場景數據的

數據 , 數據服務 , 人工智能 , 安全合規 , AI鑑偽 , 深度學習

收藏 評論

風華絕代的java - AD賬號屬性EmailAddress

製作郵件模板時,遵循以下潛規則,助您的電子郵件營銷效果更好: 一、格式編碼: 1. 頁面寬度在600到800px(像素)以內,長度1024px以內 2. 使用utf-8編碼 3. HTML代碼在15kb以內 4. 用table表格佈局 5. 郵件居中時,在table裏設定align=”

機器學習 , css樣式 , 動態圖片 , web頁面 , 人工智能 , AD賬號屬性EmailAddress

收藏 評論

明日cto - 機器學習——支持向量機

支持向量機(Support Vector Machine,簡稱 SVM)是一種強大的監督學習算法,主要用於分類和迴歸任務,在分類中尤為常見。SVM 的核心思想是找到一個最優的超平面,將不同類別的數據儘可能分開 一、基本概念 1.支持向量機(SVM)定義 SVM 是一種基於最大間隔的分類方法,通過尋找使不同類別數據之間間隔最大的超平面來實現分類。

機器學習 , 核函數 , 支持向量機 , yyds乾貨盤點 , 人工智能

收藏 評論

u_15851118 - DeepSeek系列模型/項目介紹(二):Coder、Prover、Math、ESFT

概述 接上篇DeepSeek系列模型/項目介紹。 DeepSeek-Coder 代碼大模型系列,旨在通過AI技術來理解和生成代碼,提升開發效率。 特性: 核心定位:開源代碼智能模型,促進研究和商業應用 模型規模:從1.3B到236B等多種參數,V2採用MoE架構 訓練數據:從零開始訓練,使用2萬億高

數據集 , 數據 , 自然語言 , 人工智能 , Css , 前端開發 , HTML

收藏 評論

KlipC小助手 - 高盛預測:明年黃金將衝擊4900美元

KlipC報道:高盛研究主管最新表示,基於央行持續購金、美聯儲降息預期及私人投資者多元化配置等多重因素推動,2026年金價將達到每盎司4900美元。 高盛全球大宗商品研究共同主管Daan Struyven在採訪中指出,高盛目前對黃金的看漲情緒達到歷史高點,預計到2026年末金價還將產生近20%的漲幅,目標設定為每盎司4900美元。 他強調,雖然漲幅不及今年,但2025年上漲的兩大動力預計

1 , 人工智能 , 深度學習

收藏 評論

架構魔法師 - 深度學習投影器

本練習程序是受到了這個老外博文的啓發,感覺挺有意思,就嘗試了一下。他用的是opencv,我這裏用的是matlab。 過去寫過透視投影,當時是用來做傾斜校正的,這次同樣用到了透視投影,不過更有意思,是將一張圖像貼到另一張圖像上。 兩個透視投影都需要先計算投影矩陣,傾斜校正那一篇是通過解線性方程組求的變換矩陣,而這一篇是通過奇異值分解求的變換矩陣。 為了對齊兩張圖像

投影矩陣 , 深度學習投影器 , 奇異值分解 , 透視投影 , 人工智能 , 深度學習

收藏 評論

上海拔俗網絡 - AI 績效管理系統:用技術讓考核更公平高效

提到績效考核,很多人會聯想到繁瑣的表格、主觀的評分和扯皮的爭議。而 AI 績效管理系統的出現,正用技術打破這些痛點 —— 它不是複雜的黑盒,而是一套 “會思考的考核助手”,核心是用數據和算法讓績效評估更客觀、高效、有指導性。 這套系統的核心技術底座其實很好理解,首先是多源數據整合技術。傳統考核只看上級評價或業績數據,就像只用一隻眼睛看問題。AI 系統會自動收集員工的全維度數據:工作系統裏

機器學習 , 數據 , NLP , 人工智能 , 核心技術

收藏 評論

colddawn - 神經網絡自適應控制仿真matlab 自適應 神經網絡

Adaptively Connected Neural Networks Paper link: Adaptively Connected Neural Networksarxiv.org Code link: wanggrun/Adaptively-Connected-Neural

神經網絡自適應控制仿真matlab , 自適應 , 卷積 , 數據 , 神經網絡 , 人工智能

收藏 評論

GMICloud - Cursor x GMI Cloud 零基礎教程:用 Inference Engine 生成你的第一個小程序

摘要 最近 GMI Cloud 推理引擎平台上線了Kimi-K2- Thinking、MiniMax-M2 等最新國產大模型,本文為將 MiniMax-M2 接入 Cursor 的零基礎教程,以 “測測你適合用什麼 AI 大模型” 小程序為示範,準備工作與開發迭代步驟,助你輕鬆跑通自己的第一個小程序。 零基礎友好版!Cur

經驗分享 , API , 教程 , AI編程 , 人工智能 , 深度學習

收藏 評論

bugyinyin - 【AI大模型應用場景】AI Agent與工程系統融合實踐:兩大業務場景落地全解析!

簡介 文章分享了將AI Agent技術應用於"智能播報助手"和"批量建任務"兩個業務場景的實踐歷程,闡述了AI Agent與傳統工程系統深度融合而非完全替代的有效路徑。通過MCP協議擴展Agent能力邊界,實現報表自動監控和釘釘消息推送;在批量建任務場景中,探索了Agent與工程結合的最佳實踐,強調應準確理解技術邊界和長處,構建高效穩健的解決方案。

大數據 , 人工智能 , transformer , prompt , 大模型學習 , 前端開發 , Javascript

收藏 評論

mb6911caa73d1d1 - 國防航天領域的智慧指揮新引擎

在國防航天領域,面對日益複雜的任務環境和瞬息萬變的戰場態勢,如何實現高效、精準的指揮決策與運維管理,一直是行業關注的焦點。傳統的信息系統往往存在數據孤島、響應滯後等問題,難以滿足現代國防航天任務對實時性、協同性和智能化的高要求。而今,隨着數字孿生技術的成熟,一種全新的智能運營解決方案正悄然改變這一局面。孿易數字孿生IOC ProMAX版,作為一款集全場景監控、智能分析、應急協同於

數據 , 運維 , 數據可視化 , 人工智能 , 數字孿生 , 解決方案

收藏 評論

HelpLook - ⏰最後7️⃣天!HelpLook 【年終大促】收官在即

🥳訂閲 HelpLook 套餐,年付打折,還送使用期! -買360天套餐,打8.5折,再送30天額外時長 -買720天套餐,打8️⃣折,再送90天額外時長 👉 聯繫人工客服兑換專屬福利!🎁 👤 活動對象:新老用户均享優惠 ⏰ 活動時間:2024.12.02 - 2024.12.31 🔗活動詳情:HelpLook感恩回饋 | 年末訂閲,最高再送90天額外時長!

企業網站 , 知識庫管理 , 知識庫軟件 , 人工智能 , 博客搭建

收藏 評論

超神經HyperAI - AI 編譯器技術分享會:上海交大/中科院計算所/微軟亞研/智源,他們來了!

4 場 Meetup、3 個城市、19 位嘉賓、1k+ 行業從業者、累計 100w+ 曝光, 2023 年 AI 編譯器社區小小刷新了一下存在感,我們在非常細分的領域裏找到了最為垂直的開發者和工程師,從 0 到 1 建立起一個個小據點,搭建交流平台、促成企內合作、連通生態上下游。 2024 年雖然已經過半,在大模型持久佔據技術圈「熱搜榜單」的今天,我們將於 7 月 6 日(週六)在中國科學院計算技

機器學習 , 數據集 , 人工智能 , 編譯器 , 深度學習

收藏 評論

墨抒穎 - RAG技術演進:從外部知識庫到智能體核心記憶系統

技術演進全景圖 檢索增強生成技術自2020年提出以來,經歷了明確的範式演進。以下時間軸概括了各核心範式出現的時間點與演進關係: timeline title RAG技術演進時間軸 2020 : 樸素RAG奠基 : 檢索-生成基礎架構 2022 : 語義增強RAG興起 : 向量檢索與多跳查詢 2023 : 多模態與圖RAG發展

人工智能 , Python

收藏 評論

mob64ca13fd559d - pokemonai

HTML5“愛心魚”遊戲總結 目錄   1.頁面搭建   2.畫藍色的海洋 3.畫隨海水擺動的漂浮物 4.畫隨海水擺動的海葵 5.畫靜態的大魚和小魚 6.鼠標控制大魚的遊向 7.給大魚、小魚加基本動畫(眼睛眨動,尾巴不停的搖擺) 8.小魚跟隨大魚遊動 9.畫果實 10.大魚吃果實、大

機器學習 , 貝塞爾曲線 , 碰撞檢測 , Math , 人工智能 , pokemonai

收藏 評論

u_15214399 - 【案例共創】基於華為雲開發環境桌面版的人臉顏值打分

最新案例動態,請查閲【案例共創】基於華為雲開發環境桌面版的人臉顏值打分。小夥伴們快來領取華為開發者空間進行實操吧! 本案例由開發者:南航金城學院-孫福清教師提供 一、概述 1. 案例介紹 本案例是基於華為雲主機的python開發環境,引導開發者學習和實踐人工智能計算機視覺的一個應用案例—基於計算機視覺python開源模塊opencv以及meidiapipe

機器學習 , 雲主機 , 人工智能 , 開發者 , Python

收藏 評論

boyboy - remotwviews做桌面控件

所謂桌面小控件,就是指能直接顯示在Android系統桌面的小程序。一般來説,開發者可以把一些用户使用十分頻繁的程序,比如時鐘、指南針、日曆等程序做成桌面控件,這樣用户可以直接在桌面上看到程序的運行界面。 桌面小控件是通過Broadcast的形式來進行控制的,因此每個桌面小控件都對應於一個BroadcastReceiver。為了簡化桌面小控件的開發,Android系統提供了一

控件 , 機器學習 , remotwviews做桌面控件 , Android , 人工智能 , ide

收藏 評論

智能領航員 - 2018 年 Top 10 影響力 AI 研究論文-

大語言模型服務系統服務級目標和系統級指標優化研究 論文信息 論文原標題:大語言模型服務系統服務級目標和系統級指標優化研究 主要作者及研究機構: 王智彬、李世鵬、周宇航、李雪、張中輝、蔣智威、顧榮、田臣、陳貴海、仲盛 研究機構:1. 計算機軟件新技術全國重點實驗室(南京大學),南京 210023

處理速度 , 論文閲讀 , 詞元 , 語言模型 , 人工智能 , 前端開發 , Javascript

收藏 評論

Fabarta - 楓清科技CEO高雪峯受邀出席CFA北京論壇,共話科技驅動金融新生態

12月13日,“科技領航,智啓未來——十五五戰略下的金融融合發展” CFA 北京協會投資論壇暨授證儀式順利落幕。楓清科技創始人兼CEO高雪峯受邀參會,並在“科技領航,綠動金融”圓桌論壇中擔任發言嘉賓。高雪峯強調數據驅動的智能決策正重塑金融行業生態,並分享了在“十五五”國家戰略的指引下,人工智能技術創新如何助力金融行業向高效、智能、綠色的方向轉型升級。 楓清科技致力於打造基於人

人工智能

收藏 評論

合合技術團隊 - 解析穩定率達99.99%!合合信息“大模型加速器2.0”助力AI打破“幻覺”

隨着大模型在社會應用中逐漸普及,人們在享受便利的同時,也面臨着“AI 幻覺”產生的風險。訓練數據是影響大模型“認知能力”的關鍵要素,近期,上海合合信息科技股份有限公司(簡稱“合合信息”)TextIn“大模型加速器 2.0”版本正式上線,基於領先的智能文檔處理技術,對複雜文檔的版式、佈局和元素進行精準解析及結構化處理,從數據源頭降低大模型“幻覺”風險,讓大模型在與人類的溝通中“更靠譜”。

表格 , 大數據 , 算法 , 人工智能 , 圖表

收藏 評論

mob64ca140f29e5 - 外網訪問EMBY

很多的玩友都在小米路由器mini上面搭建了自己的網站,有些朋友還需要設置對外網進行開放,我自己也在路由器上面實踐了使用,下面與大家分享一下如何設置外網訪問路由器網站的辦法。 小米路由器mini securecrt 瀏覽器 在上一篇與大家分享了在小米路由器mini上搭建了自己的網站的辦法,但是那隻能內網訪問的,下面與大家分享一

機器學習 , 外網訪問 , 重啓 , 人工智能 , 外網 , 外網訪問EMBY

收藏 評論

ceshiren2022 - 小白必備:輕鬆上手自動化測試的強大工具

傳統自動化測試工具如Selenium,其複雜的代碼編寫和維護成本居高不下,讓許多測試工程師望而生畏,已成為行業痛點。而Playwright MCP的出現,重新定義了"測試自動化"的邊界——不僅能理解你的自然語言描述,還能自動生成專業級的測試代碼,實現了從"寫代碼"到"説需求"的質的飛躍。 Playwright MCP的技術架構解析 Playwright MCP的創新絕非偶然,它是

選擇器 , 測試用例 , 人工智能 , 深度學習 , 測試自動化

收藏 評論

疆鴻智能研發中心 - 鋼渣處理線的“網絡神醫”:疆鴻智能PROFIBUS集線器,專治各種信號不服

鋼渣處理線的“網絡神醫”:疆鴻智能PROFIBUS集線器,專治各種信號不服 一、項目背景與挑戰 某大型鋼鐵集團鍊鋼廠年產鋼渣超百萬噸,原有鋼渣處理線採用分佈式硬接線控制方式。隨着產能提升與自動化升級需求,生產線暴露出信號干擾嚴重、擴展困難、故障排查耗時等問題。特別是高温、多塵的惡劣環境導致傳統佈線系統故障率居高不下,嚴重影響連續生產。為構建穩定可靠的工業通信網絡,我

集線器 , profibus , 編碼器 , 工業通訊 , 變頻器 , 人工智能 , 深度學習

收藏 評論

liutao988 - vfp怎麼縱向合併多表

今天在網上看到了一篇寫得非常好的文章,是有關c++類繼承內存佈局的。看了之後獲益良多,現在轉在我自己的博客裏面,作為以後複習之用。 ——談VC++對象模型 (美)簡.格雷 程化 譯 譯者前言 一個C++程序員,想要進一步提升技術水平的話,應該多瞭解一些語言的語意細 節。對於使用VC++的程序員來説,還應該瞭解一些

vfp怎麼縱向合併多表 , 人工智能 , 編譯器 , 計算機視覺 , delete , c , vc++

收藏 評論