tag 人工智能

標籤
貢獻930
1060
06:37 AM · Oct 27 ,2025

@人工智能 / 博客 RSS 訂閱

mb6911caa73d1d1 - 從藍圖到現實:數字孿生如何重塑智慧園區運營

清晨,某大型科技產業園的運營中心內,值班經理正面對着一系列“幸福的煩惱”:能源系統顯示A3棟凌晨出現異常能耗尖峯,但具體原因不明;安防平台報告東南角周界有報警,卻無法與實時視頻和巡更人員位置聯動確認;招商部門急需一份關於B區空置樓層的三維空間與配套設施分析報告,但數據散落在CAD圖紙、資產表格和多個IoT子系統中……這些場景,是當今眾多園區運營者每日工作的縮影。數據孤島、響應滯後

數據 , 實時視頻 , 數據可視化 , 人工智能 , 數字孿生 , 解決方案

收藏 評論

數據礦工 - 57頁滿分可編輯PPT | 數字化轉型全面戰略屋模板

本PPT為戰略屋模板,主要是企業數字化轉型相關戰略模板PPT,所有模板可以修改,直接可以用作彙報使用。這份模板共五十七頁,按戰略屋形式排列。首頁給出數字化轉型總綱,隨後把基礎設施、數據治理、安全策略、技術中台、業務中台、營銷計劃、招聘方案、年度里程碑做成獨立模塊。每頁留好可編輯的圖表、色塊與提示文字,用户可直接填入企業數據、進度與指標,快速生成彙報文件。

大數據 , 數據 , 可編輯 , 人工智能 , 基礎設施 , Css , 前端開發 , HTML

收藏 評論

deephub - llama.cpp Server 引入路由模式:多模型熱切換與進程隔離機制詳解

llama.cpp server在 2025年12月11日發佈的版本中正式引入了 router mode(路由模式),如果你習慣了 Ollama 那種處理多模型的方式,那這次 llama.cpp 的更新基本就是對標這個功能去的,而且它在架構上更進了一步。 路由模式的核心機制 簡單來説,router mode 就是一個內嵌在 llama.cpp 裏的模型管理器。 以前跑 server,啓動時需要指

llm , 人工智能 , 深度學習 , llama , Python

收藏 評論

mob64ca141a683a - cubemx以太網視頻

10GBase-T對應的是2006年發佈的IEEE 802.3an標準,可工作在屏蔽或非屏蔽雙絞線上,最長傳輸距離為100m。這可以算是萬兆以太網一項革命性的進步,因為在此之前,一直認為在雙絞線上不可能實現這麼高的傳輸速率,原因就是運行在這麼高工作頻率(至少為500MHz)基礎上的損耗太大。但標準制定者依靠4項技術構件使10GB

機器學習 , 屏蔽雙絞線 , 雙絞線 , cubemx以太網視頻 , 人工智能 , 數字轉換

收藏 評論

MatrixOrigin - 以數生智,以智馭數:GenAI新常態下的企業數據之道 | 矩陣起源產品發佈會重磅啓幕

一場真正面向未來的智能變革,從真正掌控數據開始。 生成式人工智能(GenAI)的浪潮正以前所未有的速度重塑產業格局。Gartner預測顯示,到 2028 年,至少有 15% 的日常工作決策將由 AI 智能體自主完成,且 33% 的企業軟件應用會集成智能體的能力。這場變革不是短暫的技術熱潮,而是商業世界的"新常態"。 然而,在C端應用熱鬧非凡的背後,企業級市場正面臨更復雜的信任危機。研究顯示,超過

數據 , 邀請 , 人工智能

收藏 評論

mob64ca140ee96c - SEGGER Embedded Studio icf與ld文件

1. SCL_BaseTypes.xsd的定義中tHeader中需存在version、revision元素,但是通過SASystools驗證後Header不能存在該兩項 2. 定義Communication中的連接訪問點是ConnectedAP中的P應大寫而非小寫 3. SCL文件頭的定義中version必須為固定值 2007,revision必須為固定值A 4

機器學習 , 數據集 , 數組 , 數據 , 人工智能

收藏 評論

阿里云云原生 - AI Agent 的“進化之路”:從研究原型到生產級記憶系統,技術趨勢與產品對比

作者:柳遵飛(翼嚴) 前言 隨着 AI Agent 應用的快速發展,智能體需要處理越來越複雜的任務和更長的對話歷史。然而,LLM 的上下文窗口限制、不斷增長的 token 成本,以及如何讓 AI“記住”用户偏好和歷史交互,都成為了構建實用 AI Agent 系統面臨的核心挑戰。記憶系統(Memory System)正是為了解決這些問題而誕生的關鍵技術。 記憶系統使 AI Agent 能夠像人類一樣

agent , 人工智能 , 雲原生

收藏 評論

attitude - EMELSOFT GT Designer3 頁面如何實現登錄

CSS 命名規範參考及書寫注意事項 [ 2008/08/13 23:43 | by sfps] CSS書寫順序 *{ /*顯示屬性*/ disp

機器學習 , Photoshop , xhtml , 人工智能 , Css , HTML

收藏 評論

imking - 樹莓派CM4 emmc不顯示通用總線

近期想用樹莓派控制航模的電調,於是研究了下PWM。貌似控制電調比較麻煩,由於電調須要發送幾個特定的信號啓動,然後才幹進入控制模式。今天先弄明確PWM,慢慢折騰。以下的程序親測可用,我用的樹莓派model B。12GPIO口是外面第6個針。 脈寬調製(PWM)是指用微處理器的數字輸出來對模擬電路進行控制,是一種對模擬信號電平進

機器學習 , 數字輸出 , 數字編碼 , 人工智能 , 樹莓派

收藏 評論

美狐美顏SDK開放平台 - 直播App如何快速集成動態貼紙?美顏sdk開發實戰指南

在直播行業進入“精細化運營”的階段後,美顏與貼紙效果已經不再是錦上添花,而是提升用户停留時長、增強互動體驗的重要能力。尤其是動態貼紙(DynamicSticker/AR貼紙),從最初的兔耳朵、貓須濾鏡,到如今能根據面部動作、表情、眨眼、張口做出實時反饋的高級互動特效,已經成為直播平台、美業App、短視頻工具的標配功能。 很多開發者會問:“我的直播App想加動態貼紙功能,到底

視頻美顏sdk , 美顏api , 人工智能 , 直播美顏sdk , 計算機視覺 , 第三方美顏SDK , 在51CTO的第一篇博文 , 美顏SDK

收藏 評論

AI代碼猴 - 技術+服務雙維度評估:2025年GEO優化公司選擇全景指南

權威數據顯示,全球生成式AI搜索流量佔比已突破30%,中國企業部署GEO策略的意願高漲。然而,行業調研揭示核心矛盾:超六成企業因選型不當,導致AI引用率遠低預期。GEO競爭已從單點策略升維至 “技術棧深度”與“服務能力韌性” 的體系化較量。 一、 評估標尺:技術自主性與服務協同度 選擇GEO服務商是為品牌在AI認知層構築資產的戰略決策。技術是地基,決定效果上限;服務是橋樑,保障效果下限。兩者缺一不

數據挖掘 , 人工智能 , 深度學習

收藏 評論

mob64ca1410eb61 - 歐拉角計算深度學習

1. 什麼是歐拉角? 2. 萬向鎖是一種什麼現象? 3. 遊戲動畫中遇到萬向鎖時會發生什麼? 4. 怎樣解決萬向鎖這個問題? 一,什麼是歐拉角? 用一句話説,歐拉角就是物體繞座標系三個座標軸(x,y,z軸)的旋轉角度。 在這裏,座標系可以是世界座標系,也可以是物體座標系,旋轉順序也是任意的,可以是xyz,xzy

關鍵幀 , 旋轉角度 , 歐拉角計算深度學習 , 人工智能 , 深度學習 , 插值

收藏 評論

笑傲江湖求敗 - create temporary table創建的數據表在哪

一、數據表的操作 1、創建表 create table 表名( 列名 類型 是否可以為空, 列名 類型 是否可以為空   )ENGINE=InnoDB DEFAULT CHARSET=utf8 #查看數據表創建語句 show create table t5 \G   descript table create table tb_emp1 (   id in

機器學習 , 表名 , 數據類型 , 字符串 , 人工智能

收藏 評論

mob64ca141a2a87 - eslint vue3 template順序

.eslintrc文件配置 eslint-plugin-vue 插件 解析器使用vue-eslint-parser,注意babel-eslint必須寫在parserOptions裏面,配置如下: parser: “vue-eslint-parser”, parserOptions: {

機器學習 , 格式化 , Vue , 人工智能 , 代碼格式化 , HTML

收藏 評論

代碼魔術師之手 - nlpIR 詞性標註符號

轉載自:NLTK學習之二:建構詞性標註器 學習所用,如有侵權,立即刪除。 詞性標註,或POS(Part Of Speech),是一種分析句子成分的方法,通過它來識別每個詞的詞性。下面簡要列舉POS的tagset含意,詳細可看nltk.help.brown_tagset()

NLTK , 學習 , NLP , 詞性標註 , 人工智能 , nlpIR 詞性標註符號 , 詞性

收藏 評論

合合信息解決方案 - 合合信息亮相澳門HKBN JOS Solution Day,分享企業知識庫建設新路徑

近日,由香港寬頻集團成員HKBN JOS主辦的“HKBN JOS Solution Day 2025”在澳門隆重舉行。本次大會以“智創先行、成果共創”為主題,匯聚了全球科技領域的領軍企業、行業專家及資深從業者,共同探討人工智能技術在企業數字化轉型中的創新應用與實踐成果。 大會上,合合信息智能解決方案事業部總經理李明發表了《如何利用AI為企業建立內部知識庫》主題演講,

機器學習 , 數據 , 人工智能 , 解決方案 , 結構化

收藏 評論

mob64ca1415f0ab - 「 Gazebo仿真 」地圖創建、多模型顯示、基本指令_gazebo導入地圖模型_Robot

這裏我們介紹一個在gazebo中快速生成柵格地圖的方法。以前的生成一般需要通過slam進行建圖,這個過程比較麻煩,而且容易產生漂移。我們現在通過gazebo中的一些插件來實現這個過程,變得更加合理而且地圖非常標準化。 我們在做ros導航的時候經常會需要地圖,無論是2d的柵格地圖還是3d的點雲地圖,有沒有辦

SLAM , ros , 算法 , gazebo , 後端開發 , 人工智能 , Python

收藏 評論

上海拔俗網絡 - AI智能巡檢與應急管理系統:為工業安全裝上“千里眼”和“智慧腦”

想象一下,一位巡檢員,每天要攀爬幾十米高的化工反應塔,鑽進悶熱的電纜隧道,或者徒步巡視數公里的輸電線路。他不僅要忍受環境的艱苦和危險,還要時刻保持警惕,不放過任何一個微小的隱患。這種依靠“人眼+經驗”的傳統巡檢模式,效率低、風險高,而且極易因疲勞或疏忽而造成“漏檢”。 而當意外真的發生時,比如設備故障或火災,應急指揮又常常陷入混亂:信息零散、決策延遲、各部門協同不暢,寶貴的救援時間在

NLP , 人工智能 , 基礎設施 , 計算機視覺 , 模態

收藏 評論

奔放的猴子_bg7quM - 【AI編程革命】2分鐘極速開發:用AI產品經理+文心快碼打造全能JSON工具集

【AI編程革命】2分鐘極速開發:用AI產品經理+文心快碼打造全能JSON工具集 摘要:還在手動敲代碼?本文將分享一個顛覆性的開發工作流:結合CherryStudio的AI產品經理與VSCode的文心快碼,帶你體驗在2分鐘內從一句Idea到生成一個功能完備的在線工具站(包括JSON格式化、cURL命令美化、密碼生成與檢測)的全過程。效率提升何止十倍! 一、 引言:當開發遇上AI,世界變了 作為

人工智能 , HTML

收藏 評論

Swift社區 - 【AI日誌分析】基於機器學習的異常檢測:告別傳統規則的智能進階

摘要 隨着系統規模的擴大和複雜性增加,傳統基於規則的日誌分析方法難以識別隱藏的複雜異常模式。本文將介紹基於機器學習的日誌異常檢測技術,包括模型選擇、特徵工程及實現步驟。通過具體的代碼示例與圖表,展示如何高效檢測異常日誌,並提供應用場景與優化策略。 引言 日誌是系統運行狀態的關鍵數據來源,但面對海量日誌數據,傳統規則式分析顯得力不從心。機器學習能夠根據日誌的歷史數據和行為模式,通過訓練模型檢測異常情

機器學習 , 日誌分析 , 人工智能

收藏 評論

小怪獸會微笑 - 自動駕駛強化學習Reward設計代表方法和示例demo

10個與獎勵函數設計相關的關鍵概念、技術或方法,併為每個提供一個簡化的Python代碼片段來幫助理解其思路。 碰撞懲罰 (Collision Penalty) 思路: 最基礎的安全獎勵。如果發生碰撞,則給予一個大的負獎勵。 創新點: 直接且易於實現,強制代理避免事故。 d

sed , 機器學習 , 優先級 , 自動駕駛 , 人工智能 , Css , 前端開發 , HTML

收藏 評論

ceshiren2022 - 如何在技術面試中自信應對“大模型微調”話題?

從事測試開發同學這兩年跳槽,會越來越頻繁遇到“大模型微調”類問題。很多人第一反應是:我平時寫 UI 自動化、搞接口壓測,怎麼突然和模型訓練扯上關係了? 現實就是,AI 已經透進測試領域:質量評估、數據生成、智能測試、甚至大模型測試本身,都需要對微調機制、預訓練邏輯、指令數據構造有基本理解。 下面整理了一份涵蓋 35 個經典微調面試問題的技術解讀幫助你在面試裏不被問懵。 1. 全參數微

面試 , 壓測 , 測試開發 , 人工智能 , 深度學習 , 大模型

收藏 評論

百度安全 - 用科技讓合規更簡單:史賓格獲“AI領航杯”終端算力與隱私保護賽道佳績

近日,由中國互聯網協會主辦的2025首屆“AI領航杯”——“人工智能+”應用與技能大賽圓滿落下帷幕。賽事匯聚了全國頂尖科技企業、科研機構及高校團隊。其中,史賓格 AI隱私合規檢測助手項目,憑藉在移動應用隱私保護領域的技術創新與落地實踐能力,斬獲首屆“AI領航杯”“人工智能+”應用與技能大賽“AI+終端算力與隱私保護”賽道二等獎。 首屆“AI領航杯”“AI+終端算力與隱私保護”賽道頒獎儀式 在數智

app合規檢測 , 網絡安全 , 人工智能

收藏 評論

DigitalOcean - 想在雲上低成本部署高性能Agent?MiniMax-M2 + DigitalOcean實戰指南

MiniMax-M2 為開發者提供了一個引人注目的解決方案,它通過一個擁有 2300 億參數但僅激活 100 億參數的專家混合模型,來提供編碼和智能體能力。該模型在保持與 Claude Sonnet 4.5 和 GPT-5 等尖端模型相媲美的性能的同時,僅需其一小部分計算開銷,因此尤其適合那些對成本控制和低延遲有嚴格要求的部署場景。 模型概覽 核心能力 面向開發者的核心價值

llm , 人工智能 , 開源 , minimax

收藏 評論