- 基于深度学习的药品分类编码映射系统：设计、实现与优化 介绍现代医疗行业中，管理和分类药品是一个复杂而重要的任务。基于深度学习的药品分类编码映射系统通过自动化分类和编码，将药品信息与其对应的标准编码（如 ATC code）进行匹配，以提高效率并减少人为错误。 应用使用场景医疗数据库管理：统一药品的存储格式，提高检索效率。电子健康记录（EHR）集成：将临床数据和药品信息标准化。制药公司研究：分... 基于深度学习的药品分类编码映射系统：设计、实现与优化 介绍现代医疗行业中，管理和分类药品是一个复杂而重要的任务。基于深度学习的药品分类编码映射系统通过自动化分类和编码，将药品信息与其对应的标准编码（如 ATC code）进行匹配，以提高效率并减少人为错误。 应用使用场景医疗数据库管理：统一药品的存储格式，提高检索效率。电子健康记录（EHR）集成：将临床数据和药品信息标准化。制药公司研究：分...
- 在设计领域，创意草图是设计师灵感的起点。传统草图绘制耗时且依赖个人技能，而生成对抗网络（GANs）通过生成器和判别器的对抗学习，快速生成高质量创意草图，突破创作瓶颈。GANs不仅提高设计效率、激发创意，还降低了设计门槛，使更多人能参与设计。尽管存在生成质量不稳定、语义理解不足及数据隐私等挑战， 在设计领域，创意草图是设计师灵感的起点。传统草图绘制耗时且依赖个人技能，而生成对抗网络（GANs）通过生成器和判别器的对抗学习，快速生成高质量创意草图，突破创作瓶颈。GANs不仅提高设计效率、激发创意，还降低了设计门槛，使更多人能参与设计。尽管存在生成质量不稳定、语义理解不足及数据隐私等挑战，
- Centos7.9版本安装collectd并开启写入rrd文件功能 Centos7.9版本安装collectd并开启写入rrd文件功能
- 在现代数学建模中，优化问题普遍存在于各种领域，如工程设计、数据挖掘、机器学习等。解决这些问题通常依赖于高效的优化算法。智能优化算法，特别是自然启发式算法，近年来成为优化问题求解中的重要工具。这类算法模仿自然界中某些生物的行为，通过模拟自然选择和适应过程寻找问题的最优解。蝴蝶优化算法（Butterfly Optimization Algorithm，简称BOA）作为一种新兴的智能优化算法，已被... 在现代数学建模中，优化问题普遍存在于各种领域，如工程设计、数据挖掘、机器学习等。解决这些问题通常依赖于高效的优化算法。智能优化算法，特别是自然启发式算法，近年来成为优化问题求解中的重要工具。这类算法模仿自然界中某些生物的行为，通过模拟自然选择和适应过程寻找问题的最优解。蝴蝶优化算法（Butterfly Optimization Algorithm，简称BOA）作为一种新兴的智能优化算法，已被...
- 基于知识蒸馏与事实增强的深度学习模型实践 1. 介绍知识蒸馏（Knowledge Distillation）和事实增强（Fact Augmentation）是深度学习中两种重要的技术，用于提升模型的性能和泛化能力。 1.1 知识蒸馏知识蒸馏是一种模型压缩技术，通过将一个复杂模型（教师模型）的知识迁移到一个简单模型（学生模型）中，从而在保持较高性能的同时减少模型的计算复杂度。 1.2 事实增... 基于知识蒸馏与事实增强的深度学习模型实践 1. 介绍知识蒸馏（Knowledge Distillation）和事实增强（Fact Augmentation）是深度学习中两种重要的技术，用于提升模型的性能和泛化能力。 1.1 知识蒸馏知识蒸馏是一种模型压缩技术，通过将一个复杂模型（教师模型）的知识迁移到一个简单模型（学生模型）中，从而在保持较高性能的同时减少模型的计算复杂度。 1.2 事实增...
- 论文标题：Object Detection in 20 Years: A Survey 1. 引言 (Introduction)背景：介绍目标检测（Object Detection）在计算机视觉中的重要性，以及其在数字图像中检测视觉对象的基本任务。目的：本文旨在回顾过去20年目标检测技术的发展历程，涵盖400多篇相关论文，时间跨度从1990年代到2019年。结构：论文分为几个主要部分，包括目... 论文标题：Object Detection in 20 Years: A Survey 1. 引言 (Introduction)背景：介绍目标检测（Object Detection）在计算机视觉中的重要性，以及其在数字图像中检测视觉对象的基本任务。目的：本文旨在回顾过去20年目标检测技术的发展历程，涵盖400多篇相关论文，时间跨度从1990年代到2019年。结构：论文分为几个主要部分，包括目...
- 在此教程中，我们将对基于Transformer的生成式人工智能模型及其原理进行一个简单的介绍，并实现其训练和推理过程，且至少支持3种数据集，目前支持数据集有：MNIST、CIFAR10、CIFAR100等，并给用户提供一个详细的帮助文档。 在此教程中，我们将对基于Transformer的生成式人工智能模型及其原理进行一个简单的介绍，并实现其训练和推理过程，且至少支持3种数据集，目前支持数据集有：MNIST、CIFAR10、CIFAR100等，并给用户提供一个详细的帮助文档。
- 在此教程中，我们将对深度学习中的图模型及其原理进行一个简单的介绍，并实现一种图模型的训练和推理，至少支持三种数据集，目前支持数据集有：Cora、CiteSeer、PubMed等，并给用户提供一个详细的帮助文档。 在此教程中，我们将对深度学习中的图模型及其原理进行一个简单的介绍，并实现一种图模型的训练和推理，至少支持三种数据集，目前支持数据集有：Cora、CiteSeer、PubMed等，并给用户提供一个详细的帮助文档。
- RAG 系统高效检索提升秘籍：如何精准选择 BGE 智源、GTE 阿里与 Jina 等的嵌入与精排模型的完美搭配 RAG 系统高效检索提升秘籍：如何精准选择 BGE 智源、GTE 阿里与 Jina 等的嵌入与精排模型的完美搭配
- 粒子滤波流程 基本原理：随机选取预测域的 N NN 个点，称为粒子。以此计算出预测值，并算出在测量域的概率，即权重，加权平均就是最优估计。之后按权重比例，重采样，进行下次迭代。 初始状态：用大量粒子模拟X（t），粒子在空间内均匀分布； 预测阶段：根据状态转移方程，每一个粒子得到一个预测粒子； 校正阶段：对预测粒子进行评价，越接近于真实状态的粒子，其权重越大； 重采样：根据粒子权重对粒子进 粒子滤波流程 基本原理：随机选取预测域的 N NN 个点，称为粒子。以此计算出预测值，并算出在测量域的概率，即权重，加权平均就是最优估计。之后按权重比例，重采样，进行下次迭代。 初始状态：用大量粒子模拟X（t），粒子在空间内均匀分布； 预测阶段：根据状态转移方程，每一个粒子得到一个预测粒子； 校正阶段：对预测粒子进行评价，越接近于真实状态的粒子，其权重越大； 重采样：根据粒子权重对粒子进
- 图像分割是继图像分类和目标检测之后的计算机视觉的第三大任务。相较于分类和检测，分割的任务粒度更加细化，需要做到逐像素级别的分类。图像分割可分为语义分割和实例分割。图像分割主要包括语义分割（Semantic Segmentation）和实例分割(Instance Segmentation)。语义分割是对图像中的每个像素都划分出对应的类别，即实现像素级别的分类；而类的具体对象，即为实例，那么实例... 图像分割是继图像分类和目标检测之后的计算机视觉的第三大任务。相较于分类和检测，分割的任务粒度更加细化，需要做到逐像素级别的分类。图像分割可分为语义分割和实例分割。图像分割主要包括语义分割（Semantic Segmentation）和实例分割(Instance Segmentation)。语义分割是对图像中的每个像素都划分出对应的类别，即实现像素级别的分类；而类的具体对象，即为实例，那么实例...
- 退化问题不解决，深度学习就无法Go Deeper。于是残差网络ResNet提出来了。要理解残差网络，就要理解残差块(Residual Block)这个结构，因为残差块是残差网络的基本组成部分。之前的各种卷积网络结构(LeNet5、AlexNet、VGG)，通常结构就是卷积池化再卷积池化，中间的卷积池化操作可以有很多层。类似这样的网络结构何恺明在论文中将其称为普通网络(Plain Networ... 退化问题不解决，深度学习就无法Go Deeper。于是残差网络ResNet提出来了。要理解残差网络，就要理解残差块(Residual Block)这个结构，因为残差块是残差网络的基本组成部分。之前的各种卷积网络结构(LeNet5、AlexNet、VGG)，通常结构就是卷积池化再卷积池化，中间的卷积池化操作可以有很多层。类似这样的网络结构何恺明在论文中将其称为普通网络(Plain Networ...
- 小宁同学讲课啦人工智能的发展史人工智能“研究，开发用于模拟延伸和扩展人的智能的理论方法及应用系统的一门新的综合性技术科学”人工智能由1956年（人工智能元年）约翰·麦卡锡提出定义“制造智能机器的科学与工程”，意义，在于重新定义生产力，重新定义人的价值机器学习“专门研究计算机怎么样，模拟或实现人类学习行为以获取新的知识或技能，重新组织已有的知识结构使之不断改善自己的技能”机器学习更多是处理结构... 小宁同学讲课啦人工智能的发展史人工智能“研究，开发用于模拟延伸和扩展人的智能的理论方法及应用系统的一门新的综合性技术科学”人工智能由1956年（人工智能元年）约翰·麦卡锡提出定义“制造智能机器的科学与工程”，意义，在于重新定义生产力，重新定义人的价值机器学习“专门研究计算机怎么样，模拟或实现人类学习行为以获取新的知识或技能，重新组织已有的知识结构使之不断改善自己的技能”机器学习更多是处理结构...
- 梯度下降法（英语：Gradient descent）是一个一阶最优化算法，通常也称为最速下降法。 要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对应梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。如果相反地向梯度正方向迭代进行搜索，则会接近函数的局部极大值点；这个过程则被称为梯度上升法。梯度下降算法（Gradient Descent Optimization）是神经... 梯度下降法（英语：Gradient descent）是一个一阶最优化算法，通常也称为最速下降法。 要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对应梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。如果相反地向梯度正方向迭代进行搜索，则会接近函数的局部极大值点；这个过程则被称为梯度上升法。梯度下降算法（Gradient Descent Optimization）是神经...
- 先说说我认识ModelArts的过程： ModelArts介绍视频->【新手上路】ModelArts体验馆->【课程】ModelArts免费课程，0基础入门AI。 先说说我认识ModelArts的过程： ModelArts介绍视频->【新手上路】ModelArts体验馆->【课程】ModelArts免费课程，0基础入门AI。
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
去报名
热门标签