HelloWorld 开发者社区
科技资讯
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
开源项目
全部项目推荐好文
梯度提升算法决策过程的逐步可视化
梯度提升算法是最常用的集成机器学习技术之一,该模型使用弱决策树序列来构建强学习器。这也是XGBoost和LightGBM模型的理论基础,所以在这篇文章中,我们将从头开始构建一个梯度增强模型并将其可视化。梯度提升算法介绍梯度提升算法(GradientBoosting)是一种集成学习
论文推荐:ScoreGrad,基于能量模型的时间序列预测
能量模型(Energybasedmodel)是一种以自监督方式执行的生成式模型,近年来受到了很多关注。本文将介绍ScoreGrad:基于连续能量生成模型的多变量概率时间序列预测。如果你对时间序列预测感兴趣,推荐继续阅读本文。为什么时间序列预测很重要?这是一个老生常谈的问题,因为
用 Real-ESRGAN 拯救座机画质,自制高清版动漫资源
<blockquote内容一览:RealESRGAN是ESRGAN升级之作,主要有三点创新:提出高阶退化过程模拟实际图像退化,使用光谱归一化UNet<br/鉴别器增加鉴别器的能力,以及使用纯合成数据进行训练。关键词:RealESRGAN超分辨率视频修复<br/本文首
查看torch框架下已集成的dataset
imagedataset:https://pytorch.org/vision/stable/datasets.html(https://link.segmentfault.com/?encShrkMY6jDRXymvzZ5od7tQ%3D%3D.z3PWAd0YuZ8l6d9xDnoQQe
Mel频谱和MFCC深入浅出
前言在音频领域,mel频谱和mfcc是非常重要的特征数据,在深度学习领域通常用此特征数据作为网络的输入训练模型,来解决音频领域的各种分类、分离等业务,如端点侦测、节奏识别、和弦识别、音高追踪、乐器分类、音源分离、回声消除等相关业务。当然,针对深度学习音频领域的业务,不是用下这两个特征
书籍推荐-《地貌学家的点云技术:从数据采集到处理》
!图片(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/fa47fe2ce341989e2878aa78d52a16f5.png)书籍:PointCloudTechnologiesforGeomorphologis
聚类算法(上):8个常见的无监督聚类方法介绍和比较
无监督聚类方法的评价指标必须依赖于数据和聚类结果的内在属性,例如聚类的紧凑性和分离性,与外部知识的一致性,以及同一算法不同运行结果的稳定性。本文将全面概述ScikitLearn库中用于的聚类技术以及各种评估方法。本文将分为2个部分,1、常见算法比较2、聚类技术的各种评估方法本文作为第
书籍推荐-《GNSS、惯性和多传感器组合导航系统原理》
!图片(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/816d4087811ec0e680c4bbe18e260fab.png)书籍:PrinciplesofGNSS,Inertial,andMultisens
稀疏特征和密集特征
在机器学习中,特征是指对象、人或现象的可测量和可量化的属性或特征。特征可以大致分为两类:稀疏特征和密集特征。!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/481519bc36f8eff05d3b8295d5c2293b.
选择最佳机器学习模型的10步指南
机器学习可以用来解决广泛的问题。但是有很多多不同的模型可以选择,要知道哪一个适合是一个非常麻烦的事情。本文的总结将帮助你选择最适合需求的机器学习模型。!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/980438e37267
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。