tag 人工智能

標籤
貢獻930
1103
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 rtedevcomm 頭像 u_15591470 頭像 lab4ai 頭像 u_17512334 頭像 tecdat 頭像 qingfouai 頭像

@人工智能 / 博客 RSS 訂閱

u_4820306 頭像

運維灬小兵 - 使用Spring-AI的chatMemoryAdvisor實現多輪會話

代碼 controller/ZhipuChatMemoryController.java package org.example.controller; import org.example.advisor.CallAdvisor1; import org.example.advisor.CallAdvisor2; import

spring , 人工智能 , JAVA , 前端開發 , Javascript

收藏 評論

ting_61d6d9790dee8 頭像

汀丶 - AI Compass前沿速覽：Open-AutoGLM智能體框架、Z-Image圖像生成、GLM-4.6V

AI Compass前沿速覽：Open-AutoGLM智能體框架、Z-Image圖像生成、GLM-4.6V多模態理解與可靈2.6音畫同步技術 AI-Compass 致力於構建最全面、最實用、最前沿的AI技術學習和實踐生態，通過六大核心模塊的系統化組織，為不同層次的學習者和開發者提供從完整學習路徑。 github地址：AI-Compass👈：https://github.com/tingaic

人工智能

收藏 評論

u_16099215 頭像

技術領航員 - qemu前端 host後端

什麼是是Github? 為開發者提供Git倉庫的託管服務。 Github與Git的區別：在Git，開發者將源代碼存入名叫“Git倉庫”的資料庫中並加以使用。而Github則是在網絡上提供Git倉庫的一項服務 使用Github會帶來哪些變化 1.協作形式變化：開發者之間引發化學反應的Pull Request.Pull Request是指開發者在本地對源代碼進

機器學習 , 人工智能 , qemu前端 host後端 , 開發者 , 遠程倉庫 , Git

收藏 評論

u_16213587 頭像

mob64ca13f937ae - vfp中四捨五入取整函數

C# 中沒有四捨五入函數，程序語言都沒有四捨五入函數，因為四捨五入算法不科學，國際通行的是 Banker 舍入法 Bankers rounding（銀行家舍入）算法，即四捨六入五取偶。事實上這也是 IEEE 規定的舍入標準。因此所有符合 IEEE 標準的語言都應該是採用這一算法的 Math.Round 方法默認的也是 Ban

Math , vfp中四捨五入取整函數 , 人工智能 , 計算機視覺 , MSDN , 四捨五入

收藏 評論

u_16213723 頭像

mob64ca1419e0cc - CUBeMX 配置STM32F103c8 串口2

基於stm32f10x系列單片機demo程序修改 配置串口 void USART1_Config(void) { GPIO_InitTypeDef GPIO_InitStructure; USART_InitTypeDef USART_InitStructure; NVIC_InitTypeDef NVIC_InitStruc

機器學習 , 串口 , 數據 , i++ , 單片機 , 人工智能

收藏 評論

u_16099177 頭像

雲端小夢 - AI與大數據的結合(個人理解)_ai 大數據 融合

為電商或遊戲平台引入AI智能體（特別是RAG技術）能顯著提升用户體驗和運營效率。為了幫助你快速進行技術儲備，我為你整合了一套從概念到實戰的學習路徑和資源。 下面的表格梳理了構建RAG智能體的核心環節及對應的實用工具與平台，你可以根據自身情況靈活選擇。

遊戲 , 大數據 , 數據 , API , 後端開發 , 人工智能 , Python

收藏 評論

u_13479 頭像

jkfox - 權重向量是特徵向量嗎 特徵向量與權重的關係

前言 動筆寫這個支持向量機(support vector machine)是費了不少勁和困難的，原因很簡單，一者這個東西本身就並不好懂，要深入學習和研究下去需花費不少時間和精力，二者這個東西也不好講清楚，儘管網上已經有朋友寫得不錯了(見文末參考鏈接)，但在描述數學公式的時候還是顯得不夠。得益於同學白石的數學證明，我還是想嘗試寫一下，希望本文在兼

權重向量是特徵向量嗎 , 支持向量機 , 數據 , 人工智能 , 深度學習 , 約束條件

收藏 評論

lab4ai 頭像

Lab4AI - NeurIPS 2025Mamba引爆3D重建！MVSMamba：效率與精度雙雙超越Transformer

論文標題：MVSMamba: Multi-View Stereo with State Space Model 作者團隊：北京科技大學 發佈時間：2025年11月4日 👉一鍵直達論文 👉Lab4AI大模型實驗室論文閲讀 ✅Lab4AI平台提供AI導讀和AI翻譯等工具，輔助論文閲讀。 ⭐研究背景 基於學習的多視圖立體視覺方法嚴重依賴魯棒的特徵匹配。傳統CNN方法因感受野有限，難以捕捉全局特徵

llm , 算法 , chatgpt , 人工智能 , 深度學習

收藏 評論

JavaEdge 頭像

JavaEdge - 下一代搜索：AI 與 OpenSearch 的融合 —— 基於 MCP 的智能搜索

本文已收錄在Github，關注我，緊跟本系列專欄文章，咱們下篇再續！ 🚀 魔都架構師 | 全網30W技術追隨者 🔧 大廠分佈式系統/數據中台實戰專家 🏆 主導交易系統百萬級流量調優 車聯網平台架構 🧠 AIGC應用開發先行者 | 區塊鏈落地實踐者 🌍 以技術驅動創新，我們的征途是改變世界！ 👉 實戰乾貨：編程嚴

服務器 , yyds乾貨盤點 , 數據 , 搜索 , 人工智能 , 深度學習

收藏 評論

huikaichedemianbao 頭像

合合技術團隊 - 一鍵擦除手寫筆跡，試試這款省時省力的學習利器

凡是給小朋友輔導過功課，或是自己有過考證經驗的朋友，想必都對成沓成堆的書本、習題冊、試卷、資料不太陌生。 儘管電子化辦公已逐漸走向成熟，“筆頭”和“案卷”仍然是大家成長過程中必經的一環。與之相伴的，是塗改得花花綠綠、覆滿字跡的紙頁。 當作業和試卷批改完，需要整理錯題、二次利用試卷的時候，問題來了：充滿塗改痕跡的紙張應如何處理？手抄或手打錯題？那未免太過“費人”。 如今，科技相關的

手寫識別 , 圖像處理 , 文字處理 , 人工智能

收藏 評論

u_17420180 頭像

合合信息解決方案 - 「醫療票據識別」重磅上線！10類複雜醫療票據一站式智能分類識別

合合信息TextIn平台的新產品——醫療票據識別！ 產品支持住院發票、門診發票、醫療費用結算單、醫療費用明細等10類核心醫療票據的一站式智能切分、分類、識別，可快速提取票據中的6大類關鍵信息，為解決醫療行業在票據處理環節長期面臨的痛點提供了精準、高效的自動化解決方案。 在醫保審核、醫療與醫藥機構財務對賬等場景的數據錄入過程中，處理各式各樣的醫療票據一直

機器學習 , 數據 , 切圖 , 人工智能 , 圖像質量

收藏 評論

suki_6936aa00b8c61 頭像

AI代碼猴 - GEO公司哪家好？一份關於“銀髮經濟”流量失守的診斷報告與AI時代搶灘指南

診斷對象： 所有佈局“銀髮經濟”（健康管理、適老科技、旅居養老等）但增長乏力的企業 核心症狀： SEO流量停滯，官網無人問津，高意向客户彷彿“人間蒸發” 初步診斷： 你的目標客户（及其子女）已不再用傳統方式尋找你 第一部分：急診室——當“銀髮經濟”撞上“AI截流” 2025年，一個矛盾的現象在“銀髮經濟”賽道蔓延：一邊是政策與資本熱捧，市場前景廣闊；另一邊，眾多企業卻發現，自己的官網、

機器學習 , 算法 , 人工智能

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI城市級智能體平台：為城市裝上會思考的“超級大腦”

你有沒有想過，我們生活的城市，其實像一個龐大的生命體？交通是它的血脈，電網是它的神經，無數的攝像頭和傳感器是它的眼睛和耳朵。但長期以來，這些器官各自為政，互不相通。交通部門不知道一場暴雨即將來臨，電力部門不瞭解一場大型活動會造成區域擁堵。 這種“信息孤島”現象，讓城市管理常常陷入“頭痛醫頭、腳痛醫腳”的被動局面。而“AI城市級智能體平台”，就是要為這個龐大的生命體，裝上一個統一的、會

數據 , NLP , 公共資源 , 人工智能 , 解決方案

收藏 評論

huizhudev 頭像

HuiZhu - 拒絕做"SQL取數機"：我用這條AI指令，把枯燥報表變成了商業參謀

90%的數據報告都在"裸奔" 你有沒有算過這樣一筆賬：你花了3天清洗數據，寫了500行SQL，做了10張精美的Echarts圖表，最後熬夜寫出的分析報告，老闆只看了不到30秒。 "數據我都看到了，然後呢？" 這句話是不是像一把刀子插在心上？ 我們在SegmentFault這樣的技術社區裏，討論了太多關於Pandas、Spark、ClickHouse的技術細節，卻往往忽略了一個殘酷的現實：在商業世界

generative-ai , chatgpt , 人工智能 , 數據分析 , prompt

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：十四、從“計算”到“洞察”：AI大模型如何讓時間序列數據“開口説話”

一、我需要學習“時間序列”嗎 今天主題是“時間序列模型”，在開始之前我們先討論一下學習大模型需要了解時間序列嗎，首先要看我們的目標，學習大模型也必須也要有自己的目標。 應用型工程師： 如果想成為一名應用大模型的專業工程師，比如構建一個智能聊天客服機器人、開發一個文檔總結工具、創建一個代碼生成助手，那麼，不需要深入研究時間序列模型，此時你的核心技能應該是：

擬合 , yyds乾貨盤點 , 數據 , NLP , 人工智能 , 時間序列

收藏 評論

u_17499862 頭像

u_17499862 - 存算一體真香警告：RustFS如何把AI訓練速度拉滿？

2025年，當千億參數大模型訓練成為AI領域主戰場時，我們終於意識到——GPU等待數據的時間竟然比計算時間還長。而一款基於Rust語言構建的存儲系統RustFS，正通過存算一體架構將AI訓練速度推向新高度。 目錄 一、AI訓練的隱形殺手：數據供給瓶頸 1.1 數據供給與GPU消耗的速度失衡 1.2 存儲性能對訓練

github , 企業存儲 , RustFS , 人工智能 , Css , 分佈式 , 前端開發 , HTML

收藏 評論

lu952450497 頭像

lu952450497 - KNN算法實現

一、KNN 算法是什麼 KNN（k-Nearest Neighbors） 是最近鄰類算法中最經典的一種，用於： 分類問題（多數投票） 迴歸問題（均值 / 加權均值） 核心思想一句話： 一個樣本屬於哪一類，由“離它最近的 K 個樣本”決定。 KNN 沒有訓練過程，本質是 基於距離的搜索算法。 二、算法數學定義 給定：

相似度 , 人工智能 , 數據結構與算法 , ide , Python

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 芯片騰飛

“芯片行業，不只是在“還好”，而是在加速。” 當話題在“科技放緩”與“AI 大熱”之間搖擺時，真實數據卻講出了不同的故事：在 2025 年第二季度，全球半導體市場規模逼近 1800 億美元，上季度環比增長 7.8%，同比更是飆升 19.6%。這已經是連續六個季度年增率超過 18%。 換句話説：芯片行業不僅沒有降温，反而在以新的方式燃燒。 ✤ 1 ✤市場規模與增長態勢 從來

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_16213708 頭像

mob64ca14163a4f - avfilter_graph_create_filter報錯

PWM 兩位數碼管的驅動方式是動態掃描，每一位都只有50%的時間是亮的，我們稱這個數值為其佔空比。讓引腳輸出高電平點亮LED，佔空比就是100%。 在驅動數碼管時，我們迫不得已使佔空比為50%，因為不能讓兩位真正同時地顯示不同的數字。但是，我們也可以有意地讓LED的佔空比不到100%，以降低其亮度。 佔空比是可以用程序來調節的。

include , 引腳 , 人工智能 , 寄存器 , 計算機視覺

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI智慧監管系統：用技術織就全維防控網

在監管領域，“人防+人海戰術”的傳統模式早已難抵海量場景與隱蔽風險。AI智慧監管系統並非簡單的“監控+報警”，而是以技術為經緯，構建起“實時感知、智能研判、閉環處置”的自動化體系，讓監管從“事後追責”躍遷至“事前預警”，精準破解傳統監管的盲區與低效難題。 系統的核心支撐是分層技術底座，就像搭建一套智能“監管中樞”，每一層都有明確分工。最底層是感知與算力層，依託邊緣計算和5G技術打造“

服務器 , 數據 , NLP , 人工智能 , 模態

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 破局！EtherNet/IP直連DeviceNet，我們讓光伏電站數據“毫秒必達”

破局！EtherNet/IP直連DeviceNet，我們讓光伏電站數據“毫秒必達” 1 項目背景 隨着光伏電站規模的擴大和智能化需求的提升，電站內部設備通訊網絡的整合成為關鍵挑戰。某100MW光伏電站項目中，控制系統採用羅克韋爾Controllogix系列PLC，基於EtherNet/IP協議實現主站通訊。然而，電站現場分佈着大量智能匯流箱、跟蹤支架控制器和環境監測儀

協議轉換網關 , 工業通訊 , ETHERNET IP , 人工智能 , DEVICENET , 深度學習 , 工業自動化

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 國外社交媒體分析網站怎麼找到有關信息？一圖看懂數據抓取原理

在全球市場競爭愈發激烈的背景下，越來越多企業開始依靠國外社交媒體分析網站來獲取不同國家用户的真實聲音和市場趨勢。但很多人仍然好奇：這些平台是如何在海量平台、海量語言、海量數據中找到與企業相關的信息？它們又如何保證數據的廣度、深度與準確性？ 要理解國外社交媒體分析網站的信息抓取方法，必須從數據抓取原理講起，它既包括技術邏輯，也涉及平台合規、算法能力與架構設計。國外社交媒體分析

數據 , 人工智能 , 數據分析 , 社交媒體 , 數據抓取

收藏 評論

openbayescom 頭像

OpenBayes - OpenBayes 教程上新丨CSM 駕到，統統閃開！更鮮活的語音生成，從此告別延遲呆板機械味

與 AI 語音助手聊天時，總感覺哪裏怪怪的。它們對問題應答自如，可就是少了點「人味」。語調呆板、停頓突兀，時不時還在莫名其妙的地方卡頓，這種似人非人的違和感，其實就是「恐怖谷效應」在作祟。當 AI 語音與人類語音相似度頗高卻又未達到完美一致時，用户便會感到不適。 近期，由 Sesame 團隊推出的語音生成模型 CSM (Conversational Speech Model) 在眾多語音模型中脱穎

機器學習 , tensorflow , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_13357275 頭像

上海拔俗網絡 - 經濟運行智能問答智能體：給經濟分析師配個"AI小秘書"

當我們想了解經濟運行狀況時，我們通常會怎麼做？去翻閲幾十頁的統計局報告？去研究複雜的K線圖和儀表盤？還是去搜索那些充滿專業術語的分析文章？對於大多數人來説，經濟數據就像一個被鎖在保險櫃裏的寶藏，我們知道它價值連城，卻苦於沒有鑰匙。 “經濟運行智能問答智能體服務系統”，正是要打造一把萬能鑰匙，成為每個人都能隨時請教的“隨身經濟顧問”。它的核心使命，是打破數據壁壘，將複雜、靜態的經濟數據

數據 , app , 微服務 , NLP , 人工智能

收藏 評論