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
变分自编码器VAE的数学原理
变分自编码器(VAE)是一种应用广泛的无监督学习方法,它的应用包括图像生成、表示学习和降维等。虽然在网络架构上经常与AutoEncoder联系在一起,但VAE的理论基础和数学公式是截然不同的。本文将讨论是什么让VAE如此不同,并解释VAE如何连接“变分”方法和“自编码器”。本文更专注于VAE的
基于CNN和LSTM的气象图降水预测示例
我们是否可以通过气象图来预测降水量呢?今天我们来使用CNN和LSTM进行一个有趣的实验。我们这里使用荷兰皇家气象研究所(也称为KNMI)提供的开放数据集和公共api,来获取数据集并且构建模型预测当地的降水量。数据收集KNMI提供的数据集,我们假设气象雷达产生的信号在反射时会被降
Transformer:让ChatGPT站在肩膀上的巨人?
<blockquote<p编者按:ChatGPT以近乎狂热之势席卷了全网。在沉浸于“ChatGPT潮”的同时,让我们也来深入了解一下它和基石技术大模型Transformer吧。</p<pDaleMarkowitz的这篇文章为我们深入浅出地介绍了Transformer的重要性、创新性
RNN和LSTM的理解
第一章绪论1.1whyRNN?时间序列数据自然语言作为前向反馈网络的全连接神经网络和卷积神经网络,不能很好的考虑到时间序列数据之间的序列关系,但是RNN可以!1.2whatisRNN?单看一个神经元!image.png(https
从另外一个角度解释AUC
AUC到底代表什么呢,我们从另外一个角度解释AUC,我们先看看一个auc曲线!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/1bc189e1e1a987fb9249c8eec05e1c9d.png)蓝色曲线下的面积(我
强化学习调参技巧二:DDPG、TD3、SAC算法为例:
1.训练环境如何正确编写强化学习里的env.reset()env.step()就是训练环境。其编写流程如下:1.1初始阶段:先写一个简化版的训练环境。把任务难度降到最低,确保一定能正常训练。记录正常训练的智能体的分数,与随机动作、传统算法得到的分数做比较。DR
时间序列的蒙特卡罗交叉验证
交叉验证应用于时间序列需要注意是要防止泄漏和获得可靠的性能估计本文将介绍蒙特卡洛交叉验证。这是一种流行的TimeSeriesSplits方法的替代方法。时间序列交叉验证TimeSeriesSplit通常是时间序列数据进行交叉验证的首选方法。下图1说明了该方法的操作方式。可用的时间序
海量文本中挖掘人物关联关系核心技术介绍-桂洪冠
!图片(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/fe93b8642754a3af140b77e6ad2beb75.png)在大数据时代,通过对目标人物的轨迹、通信、社交、出行、网络等多模态行为进行挖掘并建立人物画像模型,并
NeurIPS 2022-10大主题、50篇论文总结
2672篇主要论文,63场研讨会,7场受邀演讲,包括语言模型、脑启发研究、扩散模型、图神经网络……NeurIPS包含了世界级的AI研究见解,本文将对NeurIPS2022做一个全面的总结。第36届NeuralInformationProcessingSystemsConference(
论文推荐:Rethinking Attention with Performers
重新思考的注意力机制,Performers是由谷歌,剑桥大学,DeepMind,和艾伦图灵研究所发布在2021ICLR的论文已经超过500次引用传统的Transformer的使用softmax注意力,具有二次空间和时间复杂度。Performers是Transformer的一个变体,它利用一种
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。