机器人 机器 社交 智能
机器学习——注意力汇聚：Nadaraya-Watson 核回归
上节介绍了框架下的注意力机制的主要成分 图10.1.3： 查询（自主提示）和键（非自主提示）之间的交互形成了注意力汇聚； 注意力汇聚有选择地聚合了值（感官输入）以生成最终的输出。 本节将介绍注意力汇聚的更多细节， 以便从宏观上了解注意力机制在实践中的运作方式。 具体来说，1964年提出的Nadara ......
机器学习-小样本情况下如何机器学习
交叉验证是在机器学习建立模型和验证模型参数时常用的办法。交叉验证，顾名思义，就是重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。在此基础上可以得到多组不同的训练集和测试集，某次训练集中的某样本在下次可能成为测试集中的样本，即所谓 ......
机器学习——注意力提示
查询、键和值 自主性的与非自主性的注意力提示解释了人类的注意力的方式， 下面来看看如何通过这两种注意力提示， 用神经网络来设计注意力机制的框架， 首先，考虑一个相对简单的状况， 即只使用非自主性提示。 要想将选择偏向于感官输入， 则可以简单地使用参数化的全连接层， 甚至是非参数化的最大汇聚层或平均汇 ......
想快速进入人工智能领域的Java程序员？你准备好了吗？
本文介绍了作为Java程序员如何迅速融入人工智能领域，并探讨了LLMs的发展和应用。从初次体验到插件开发，再到知识库建立，作者指出了如何将LLMs应用于个人助理的过程。最后，强调了LLMs选择的重要性，以及如何灵活适应自己的需求。 ......
零基础机器学习数字识别MNIST（on going）
本人之前并未涉及机器学习，但是在嵌入式中都会涉及视觉，借校内比赛从零学习，进行MNIST数字识别模型的搭建。 随着学习进度更新，每天更新。2023-11-15 21:38:55 星期三 一、环境搭建 进行本模型的搭建，需要以下内容： Python环境：利用Anaconda管理 开源机器学习平台：Py ......
机器码备份_二
[yhzr]有意合作联系扣扣:1176769884$$$AA24C7BD5A0A8FE8E06E1FB53BBE8AD4:00|66|88_CF4DF748256261B751D029853C3DA5BC:00|01|02|03|04|10|11|12|13|14|20|21|22|23|24|30 ......
现场直击！触想智能亮相德国2023 SPS展会
当地时间11月14日上午9时 2023 年(德国)纽伦堡国际工业自动化及元器件展览会 SPS 展(以下简称：SPS展会)正式拉开帷幕，触想智能与来自全球各地的领先科技公司及前沿业者齐聚盛会，共赴一场科技与创新交汇的“饕餮盛宴”。 △ 2023 SPS展会开幕(触想展台整装备发) 作为公司国际化征途中 ......
AI智能网关在工业物联网领域有哪些应用优势
针对规模庞大、设备复杂、自动化智能化水平要求高的工业物联网应用，AI智能网关依托强劲处理器性能和内置多场景应用AI算法，助力工业物联网迈入智能化新高度。 ......
机器学习——束搜索、贪心搜索、穷举搜索
束搜索（Beam Search）、贪心搜索（Greedy Search）和穷举搜索（Exhaustive Search）是在搜索领域常用的三种搜索算法，它们在不同的场景下有着不同的特点和应用。 束搜索（Beam Search）： 束搜索是一种用于寻找最有可能的输出序列的搜索算法，常用于序列生成任务， ......
【解决方案】危化品厂区安防系统EasyCVR+AI智能监控
特别针对危险化工企业，消防安全不容小觑，视频监控系统平台可以配备消防安全检测算法，例：烟火识别、消防器材检测等等。 ......
机器学习——序列到序列学习（seq2seq）
我们将使用两个循环神经网络的编码器和解码器， 并将其应用于序列到序列（sequence to sequence，seq2seq）类的学习任务。 编码器 由于这里使用的是门控循环单元， 所以在最后一个时间步的多层隐状态的形状是 （隐藏层的数量，批量大小，隐藏单元的数量）。 如果使用长短期记忆网络，st ......
机器学习中的分类和回归
机器学习中的分类和回归是两种主要的预测建模任务，它们分别处理不同类型的输出变量。 分类（Classification）： 定义： 分类是一种监督学习任务，其目标是将输入数据映射到预定义的类别中。在分类问题中，模型的输出是一个离散的类别标签。 例子： 例如，垃圾邮件过滤是一个二分类问题，其中模型需要将 ......
统计学强调低维空间问题的统计推导，机器学习强调高维预测问题
统计学和机器学习在处理数据和模型时的侧重点确实有一些区别，其中涉及到低维和高维空间的问题。 统计学强调低维空间问题的统计推导： 统计学通常关注的是从一组有限样本中获得总体特征的推断。在传统统计学中，数据通常被认为是在低维空间中采样的，即特征的数量相对较少。例如，在古典统计中，可能会考虑一些变量对某个 ......
微信机器人开发文档
请求URL： http://域名地址/acceptUser 请求方式： POST 请求头Headers： Content-Type：application/json Authorization：login接口返回 参数： 参数名必选类型说明 wId 是 string 登录实例标识 v1 是 stri ......
机器学习——编码器和解码器架构
正如我们在 9.5节中所讨论的， 机器翻译是序列转换模型的一个核心问题， 其输入和输出都是长度可变的序列。 为了处理这种类型的输入和输出， 我们可以设计一个包含两个主要组件的架构： 第一个组件是一个编码器（encoder）： 它接受一个长度可变的序列作为输入， 并将其转换为具有固定形状的编码状态。 ......
机器学习——机器翻译与数据集
语言模型是自然语言处理的关键， 而机器翻译是语言模型最成功的基准测试。 因为机器翻译正是将输入序列转换成输出序列的 序列转换模型（sequence transduction）的核心问题。 序列转换模型在各类现代人工智能应用中发挥着至关重要的作用。机器翻译（machine translation）指的 ......
免费提升31％！Intel APO智能超频仅限14代酷睿 无缘12/13代
Intel 14代酷睿虽然没有质的提升，但带来了一项名为Intel APO的动态优化加速技术，可视为AI智能超频。 它会根据主板供电、散热情况，结合系统温度、功耗等因素，通过AI训练与真实环境，进行整体评估和调整，在游戏中优先使用P核，并加速E核，从而达到更好的性能。 Intel APO技术目前仅支 ......
sagemode 社交媒体平台用户名OSINT工具
sagemode简介 Sagemode Jutsu 是一款简单高效的开源情报 (OSINT) 工具，其创建时考虑到了简单性。它允许用户在各种在线平台上搜索特定用户名，帮助数字调查人员和网络安全爱好者进行研究。 安装 克隆存储库 git clone https://github.com/senran1 ......
智慧隧道：TSINGSEE青犀远程视频AI智能监管平台保障隧道施工安全
对监工的重要工作岗位进行监督，当划定区域的人员离开该区域，在规定时间内未回到岗位上，系统将判定为离岗，系统自动发出告警并记录 ......
机器学习——深度循环神经网络
到目前为止，我们只讨论了具有一个单向隐藏层的循环神经网络。 其中，隐变量和观测值与具体的函数形式的交互方式是相当随意的。 只要交互类型建模具有足够的灵活性，这就不是一个大问题。 然而，对一个单层来说，这可能具有相当的挑战性。 之前在线性模型中，我们通过添加更多的层来解决这个问题。 而在循环神经网络中 ......
机器学习——长短期记忆网络（LSTM）
长期以来，隐变量模型存在着长期信息保存和短期输入缺失的问题。 解决这一问题的最早方法之一是长短期存储器（long short-term memory，LSTM）(Hochreiter and Schmidhuber, 1997)。 它有许多与门控循环单元（ 9.1节）一样的属性。 有趣的是，长短期记 ......
不务正业的再次胡想——chatgpt在“智能辅助编程”外的另一个可能场景"智能论文写作辅助”
在chatgpt4出来后震惊了很多人，但是很多人也觉得好像用处不大；可以说chatgpt4确实更加智能了，在语言对话上更加的智能，很多情况下已经很难分辨出这货是个机器人，但是现在这东西好像确实也没有太多的实际应用，或许更多的人用这个是当做“智能搜索引擎”来用的，而我个人却更加喜欢将chatgpt4当 ......
机器学习——门控循环单元(GRU)
在 8.7节中， 我们讨论了如何在循环神经网络中计算梯度， 以及矩阵连续乘积可以导致梯度消失或梯度爆炸的问题。 下面我们简单思考一下这种梯度异常在实践中的意义： 我们可能会遇到这样的情况：早期观测值对预测所有未来观测值具有非常重要的意义。 考虑一个极端情况，其中第一个观测值包含一个校验和， 目标是在 ......
百度网盘推出的一款专业高效的智能AI修图工具
百度网盘AI修图官方版是一款专业高效的智能修图软件。百度网盘AI修图最新版内置了强大的图片处理工具，包括一键瘦身、智能磨皮、色彩调整等功能，能够提高用户的修图效率。百度网盘Al修图软件界面直观，简单易用，即使是小白也能秒变后期大师软件功能一键瘦身: 自动识别并判断人体特征.，一键修成超模比例智能磨皮 ......
人工智能实验室第二次招新考试部分答案
A.打印菱形图案 n=int(input()) a=n//2 for i in range(-a,a+1): c=abs(i) print(c*" " ,end="") print((2*a+1-2*c)*"*") D.来，关个灯 n = int(input()) for i in range(1, ......
CPP 智能指针
目录内存管理new and delete不要使用malloc 和freenew失败了怎么办区别动态数组和动态分配数组对象数组永远对应关系多维数组new 申请多维数组数组即指针并不是所有的指针都是数组指针操作资源回收智能指针使用智能指针的必要之处。unique_ptr接触unique_ptr的拥有权s ......
“图像识别在智能交通系统中的应用与优化“
智能交通系统中的图像识别应用和优化是现代城市发展中的重要组成部分。以下是图像识别在智能交通系统中的主要应用和一些优化方向： 图像识别在智能交通系统中的应用： 车辆识别与跟踪： 图像识别用于识别和跟踪车辆，包括识别车牌号码。这有助于监控交通流量、管理停车场以及实施违章行为检测。 交叉口监控： 图像识别 ......
智慧园区LiteCVR视频智能监控解决方案
一、方案背景 LiteCVR智慧园区方案介绍了针对工业园区进行智能化建设的综合解决方案，集成了视频周界子系统、一脸通子系统、车辆出入口子系统，提升企业管理的有效性，让园区更安全、让园区内的人员工作生活更便捷、让企业整体管理更加科学高效。 1) 通过综合安防与扩充应用提高快速反应能力 园区一脸通应用： ......
乡镇村污水处理智慧水务智能监管平台，助力污水监管智慧化、高效化
算法中台可负责视频预先处理、算法任务管理、用户体系管理等中台服务能力的调度构建，实现算法、算力、算据的自动化调度、授权控制等 ......