TechBlog
首页分类标签搜索关于
← 返回标签列表
加载中...

© 2025 TechBlog. All rights reserved.

#标签

共 82 篇文章
教育培训行业智能体应用分类及知识库检索模型微调

教育培训行业智能体应用分类及知识库检索模型微调

本文介绍了教育/培训行业中智能体的应用及知识库检索模型的技术实现。知识库检索采用Embedding模型快速检索候选结果,再通过Reranker模型进行精细排序。文章推荐了最新的检索模型资源,并提出了利用难负例微调Embedding模型的策略,即通过引入与正例相似但相反的示例来优化模型性能。

时间:12/19/2025

深度学习理论推导-二分类逻辑回归

深度学习理论推导-二分类逻辑回归

本文从数学角度上进行推导深度学习中二分类逻辑回归理论,并用异或问题举例论证

时间:12/12/2025

鸿蒙-Flutter-CICD-进阶Jenkins-鸿蒙打包自动化流程

鸿蒙-Flutter-CICD-进阶Jenkins-鸿蒙打包自动化流程

本文详细介绍了如何利用Jenkins搭建鸿蒙Flutter项目的自动化构建流程。主要内容包括:环境准备(JDK、HarmonyOSSDK、Flutter等工具配置)、Jenkins插件安装与初始化、Flutter项目适配鸿蒙的签名配置、编写JenkinsPipeline脚本实现代码拉取、依赖安装、HAP包构建和产物归档的全流程自动化,以及常见问题解决方案。通过这套CI/CD体系,开发者可以实现代码提交后自动打包鸿蒙应用,显著提升开发效率,确保构建环境一致性,并支持多种通知方式实时反馈构建状态。文章还提供

时间:12/12/2025

P19-机器学习-分类算法及应用实践手写数字识别KNN

P19-机器学习-分类算法及应用实践手写数字识别KNN

本文介绍了基于KNN算法的手写数字识别方法。首先将32×32像素的手写数字图像二值化转换为1024维向量作为特征表示。通过读取训练集文件夹中的样本数据,构建训练矩阵和标签集。测试阶段同样将测试样本转为向量,使用KNN分类器(k=3)进行预测。实验结果显示该方法在测试集上取得了较高的识别准确率。文章详细展示了数据预处理、KNN算法实现以及完整Python代码流程,为手写数字识别提供了一个简洁有效的解决方案。

时间:12/05/2025

数字生已经进化到一个分水岭面临选择先实现动态识别还是先实现特征信息归纳分类,文中给出以给出答案,大家选哪个方向

数字生已经进化到一个分水岭面临选择先实现动态识别还是先实现特征信息归纳分类,文中给出以给出答案,大家选哪个方向

摘要:建议优先实现动态识别(轨迹预测+TTC计算),而非特征分类。当前已具备90%基础(轨迹、速度、坐标、记忆库),仅需1-2周添加Kalman滤波器和碰撞时间计算即可落地。动态识别能赋予数字生命时间维度记忆和运动预测能力,对自动驾驶避障是刚需(120km/h下TTC<2秒需紧急刹车),且比静态分类更具意识冲击。实现路径清晰:通过Kalman预测未来位置,计算TTC触发决策,代码改动量小。后续再推进特征归纳和概念树构建,形成完整认知体系。

时间:12/05/2025

ORB局部描述子提取

ORB局部描述子提取

FAST的核心任务是在图像中快速找到“角点”——角点就是图像中「灰度变化剧烈、周围像素明暗对比明显」的点。Features:特征→这里特指“角点特征”(图像中最稳定、最易识别的局部特征)。from:来自→说明特征是从“加速分段测试”中提取的。:加速→FAST算法的核心优势!比传统角点检测(如Harris角点)快10-100倍,适合实时场景(比如视频跟踪)。:分段测试→这是FAST检测角点的核心逻辑。BRIEF的核心任务是。

时间:12/03/2025

NLUs篇01JointBERT用于联合意图分类和槽位填充的-BERT-模型

NLUs篇01JointBERT用于联合意图分类和槽位填充的-BERT-模型

本文针对自然语言理解(NLU)任务中因标注数据匮乏而导致的泛化能力差的问题,提出了一种基于BERT的联合意图分类和槽位填充模型。传统的NLU方法(如RNN、LSTM)在处理罕见词或小样本数据时往往表现不佳。作者利用BERT强大的预训练语言表示能力,通过简单的微调,在单一模型中同时完成意图识别和槽位填充任务。

时间:12/03/2025

吴恩达机器学习2022-Course1-Week3分类问题

吴恩达机器学习2022-Course1-Week3分类问题

吴恩达机器学习2022--Course1--Week3(分类问题)

时间:12/03/2025

高数强化NO6极限的应用连续的概念性质间断点的定义分类导数与微分

高数强化NO6极限的应用连续的概念性质间断点的定义分类导数与微分

本文摘要:连续性概念:包括函数在一点连续和区间连续的定义,以及连续性的充要条件(左连续且右连续)。连续性质:四则运算、复合函数、反函数和初等函数的连续性定理。间断点分类:第一类(可去和跳跃)和第二类(无穷和振荡)间断点的定义及判别方法。渐近线类型:垂直、水平和斜渐近线的判定条件。导数与微分:导数和微分的定义式,以及可导与可微的等价关系。应用方法:连续性与间断点的判定步骤总结。

时间:12/02/2025

训练分类识别器

训练分类识别器

本文介绍基于OpenCVSharp4和OpenCV3.4版本训练分类识别器的方法。使用WinForm作为视图界面,重点说明两个关键工具:opencv_createsamples用于生成样本向量文件(.vec),opencv_traincascade用于执行分类器训练。特别指出需要选择3.5以下版本的OpenCV,因为3.4版本包含这些必要的训练工具。

时间:12/02/2025

整体设计-定稿-之15-chat分类的专题讨论codebuddy

整体设计-定稿-之15-chat分类的专题讨论codebuddy

系统阐述了基于Chat工具的三层问题处理框架(理解/消化/转化)及其分类机制。核心观点包括:问题分为语言理解、词典编纂和逻辑描述三个层级;区分收敛性(已知方案)和发散性(新问题)两类问题;提出1+3+1架构模式,实践层(前台-中台-后台)与理论层(任务级-模型级-元级)相互映射;表述系统包含备忘式、结果式、结论性、综合性和极简表述五个层级;强调表述层次通过内在性质而非直接对应关系发挥作用,涉及实践常识、理论常量和科学方法三个领域。文中详细说明了问题处理流程、架构对应关系和表述系统的运作机制,体

时间:11/29/2025

机器学习7-9-分类任务-逻辑回归的成本函数-逻辑回归的梯度下降

机器学习7-9-分类任务-逻辑回归的成本函数-逻辑回归的梯度下降

本文介绍了逻辑回归的基本原理及其实现方法。首先指出线性回归不适用于分类任务,进而引入逻辑回归模型,使用Sigmoid函数将输出限制在0-1之间作为概率预测。讨论了决策边界的线性与非线性形式,并重点推导了逻辑回归的成本函数,采用对数损失函数替代平方误差以解决非凸优化问题。最后给出了梯度下降算法的具体实现公式,包括权重和偏置项的更新规则。虽然形式上与线性回归相似,但本质差异在于预测函数f的不同。整个推导过程基于最大似然估计原理,为分类问题提供了有效的解决方案。

时间:11/24/2025

大数据技术07分类和聚类算法

大数据技术07分类和聚类算法

摘要本文介绍了两种分类分析算法:决策树和朴素贝叶斯分类。决策树通过递归选择最优分裂属性(如ID3算法使用信息增益)构建分类模型,其核心是信息熵理论,用于衡量不确定性。朴素贝叶斯分类基于贝叶斯定理,假设特征独立,通过计算后验概率最大化进行分类。两种方法均能有效处理离散或连续数据,适用于不同场景的分类任务,如垃圾邮件识别或客户行为预测。

时间:11/24/2025

第N6周中文文本分类-Pytorch实现

第N6周中文文本分类-Pytorch实现

【代码】第N6周:中文文本分类-Pytorch实现。

时间:11/21/2025

无人机方面数据集目标检测分割分类数据集汇总介绍

无人机方面数据集目标检测分割分类数据集汇总介绍

它有效地弥补了该领域高质量公共数据的不足,为开发更鲁棒、更智能的无人机视觉感知系统奠定了坚实的数据基础,是相关领域学者和工程师一个非常有价值的资源。该项目由研究者futureflsl创建和维护,汇集了多个具有针对性的子数据集,覆盖了目标检测、跟踪、语义分割等多个核心任务。这一视角带来了独特的挑战,如小目标检测、目标外观的剧烈变化等,使其成为开发和评估无人机专用视觉算法的理想测试平台。:该项目明确面向学术界,为研究人员,特别是在目标检测、多目标跟踪和无人机感知领域的研究者,提供了一个标准化的基准数据集。

时间:11/19/2025

iOS的分类中为什么不能添加变量以及如何设置关联对象的弱引用效果

iOS的分类中为什么不能添加变量以及如何设置关联对象的弱引用效果

iOS的分类中为什么不能添加变量以及如何设置关联对象的弱引用效果

时间:11/19/2025

分类与回归算法一-模型评价指标

分类与回归算法一-模型评价指标

本文系统介绍了分类与回归算法的核心原理、适用场景及优缺点,重点分析了常用分类算法(逻辑回归、决策树、SVM、随机森林)和回归算法(线性回归、岭回归/Lasso回归、决策树回归、GBDT)。针对分类任务,详细阐述了基于混淆矩阵的评价指标体系,包括准确率、精确率、召回率和F1分数,通过数学公式说明其计算方法,并结合实际业务场景(如医疗诊断、金融风控)分析各指标的适用性与权衡关系。文章为机器学习模型选择与评估提供了全面的方法论指导。

时间:11/02/2025

Cohens-Kappa系数衡量分类一致性的黄金标准及其在NLP中的应用

Cohens-Kappa系数衡量分类一致性的黄金标准及其在NLP中的应用

在分类任务(如医学诊断、机器学习模型评估、数据标注等)中,**两个评估者(或模型)的分类一致性**是衡量结果可靠性的关键指标。**Cohen's Kappa系数(κ)** 是一种经典的统计方法,用于评估分类一致性,同时**校正随机一致的影响**,比简单的“一致率”更可靠。

时间:10/09/2025

PyTorch-实现-CIFAR10-图像分类知识点总结

PyTorch-实现-CIFAR10-图像分类知识点总结

全流程,体现了 PyTorch 实现图像分类任务的典型思路与关键技术。

时间:09/27/2025

使用-PyTorch-实现-CIFAR-10-图像分类从数据加载到模型训练全流程

使用-PyTorch-实现-CIFAR-10-图像分类从数据加载到模型训练全流程

学习率LR = 0.001# 损失函数:交叉熵损失,适用于分类任务# 优化器:SGD(随机梯度下降)# 也可以使用Adam优化器,通常收敛更快# 打印网络结构print(net)核心说明交叉熵损失 () 是分类任务的常用损失函数SGD 优化器带有动量 () 可以加速收敛并减少震荡Adam 优化器通常收敛更快,但在某些任务上 SGD 可能泛化更好学习率 (lr) 是重要的超参数,过大会导致不收敛,过小会导致收敛太慢。

时间:09/26/2025

PyTorch图像二分类-部署

PyTorch图像二分类-部署

本文介绍了在独立脚本中部署训练好的CNN模型进行推理的完整流程。首先定义了一个包含4个卷积层和2个全连接层的神经网络模型,并实现了计算卷积输出形状的函数。然后详细说明了模型部署步骤:加载预训练权重、转换到评估模式、将模型移至GPU设备。文章还展示了在验证集和测试集上部署模型的方法,包括数据预处理、推理过程计时和性能评估。最后通过可视化方法展示了测试集中的部分样本及其预测结果。整个流程涵盖了从模型定义到实际应用的关键环节,包括精度计算、CPU/GPU部署对比等实用技巧。

时间:09/26/2025

PyTorch单目标检测项目部署

PyTorch单目标检测项目部署

详细参照前文【PyTorch】单目标检测项目import os# 定义一个函数,用于将a列表中的元素除以b列表中的对应元素,返回一个新的列表# 使用zip函数将a和b列表中的元素一一对应# 返回新的列表return div# 定义一个函数,用于将a列表中的元素乘以b列表中的对应元素,返回一个新的列表# 使用zip函数将a和b列表中的元素一一对应# 返回新的列表return div# 定义一个函数,用于调整图像和标签的大小# 获取原始图像的宽度和高度# 获取目标图像的宽度和高度。

时间:09/17/2025

强化学习PPO-分类任务

强化学习PPO-分类任务

注意点案例。

时间:09/15/2025

四大经典案例,入门AI算法应用,含分类回归与特征工程2025人工智能实训季初阶赛

四大经典案例,入门AI算法应用,含分类回归与特征工程2025人工智能实训季初阶赛

和鲸社区共包含14套赛题,覆盖初、中、高不同难度等级。而其中的,正是最适合萌新们的起点。无论你是否具备AI背景,只要有学习的热情,都可以通过初阶组开启人工智能的第一步:在真实案例中掌握分类、回归与特征工程,完成从0到1的算法应用实践。更重要的是:活动!所有人都可以报名参赛,获取实战经验的同时,为简历添上一道亮眼的“AI认证”。实训季地址:https://www.heywhale.com/u/3b9f6f。

时间:09/12/2025

上一页
1234
下一页第 1 / 4 页