
简介
教授,中国计算机学会杰出会员(CCF),中国人工智能学会高级会员(CAAI),资深架构师,专业带头人,编写国家标准2项,获授权专利4项;获软件著作权4项;EI及核心期刊论文20余篇;5项科研成果通过科技成果评价。1项科技成果荣获“成都市科学技术进步奖三等奖”,1项科技成果通过四川省科学技术厅科技成果鉴定,主持2项科技成果荣获省级优秀科研成果一等奖。主研开发了2门省级精品课程,培育了近万名学生,指导学生获得数据分析职业技能大赛一等奖。荣获“成都市特级教师”称号、成都市“驿都工匠”称号、天府英才计划、眉山市“创新型科技人才”称号、眉山市“最美科技工作者”称号,入选四川省“最美科技工作者”候选人等。
擅长的技术栈
可提供的服务
入选天府英才计划,致力于大数据+AI 的应用创新。
目录用几个工具进行预测,看今晚花落谁家?KIMI文心一言:一、核心预测依据二、其他热门候选人分析三、诺奖评选标准与趋势四、结论豆包DEEPSEEK2024年诺贝尔文学奖预测分析一、热门候选人(基于赔率榜和文学评论)二、2024年获奖趋势预测三、谁是我的最终预测?2025年诺贝尔文学奖预测结果:澳大利亚作家杰拉尔德·穆南(Gerald Murnane)最有可能获奖。以下是根据当前公开信息与赔率数据的

连接学派通过模拟生物神经网络构建人工神经网络(ANN),以神经元节点和权重连接实现智能学习。ANN通过调整连接权重优化输出,如基于云量、湿度预测降雨概率。虽然早期受限于计算资源,但随着大数据和深度学习的发展,ANN展现出强大性能,但也面临可解释性差、依赖大数据和高算力等挑战。该模型已成为当前最成功的人工智能方法之一。

摘要:实验推荐使用MindSpore 2.0及以上版本作为开发框架,计算环境要求较低,在个人PC上即可完成全部实验操作。该方案既降低了硬件门槛,又保证了框架的先进性,为实验开展提供了便捷可靠的技术支持。

心电心音同步分析通过结合ECG(电信号)和PCG(机械振动)监测心脏功能,可早期发现心脏病变。关键技术包括:1)使用电极片和压电传感器分别采集信号;2)AI模型处理不同频率特征的生理信号;3)应用场景涵盖临床诊断和远程监测。实现自动标注需对心音信号进行预处理(如带通滤波保留20-1000Hz特征频率),并利用音频分类模型识别S1/S2心音特征。该方法为心脏疾病筛查提供了高效工具。

根据对分层多智能体系统(HMAS)的研究,系统的组织效能取决于五个核心维度的设计:控制层级(Control Hierarchy)、信息流向(Information Flow)、角色与任务委派(Role and Task Delegation)、时间分层(Temporal Layering)以及通信结构(Communication Structure)借鉴自自主计算领域,将智能体嵌入一个包含监控(M

根据最新的行业分析,全球企业在生成式人工智能上的支出在2025年飙升至370亿美元,较2024年增长了3.2倍,而这种增长的核心驱动力并非单纯的文本生成需求,而是架构层面的深刻变革。一个成熟的自主智能体架构并非单一的模型,而是一个多组件协同工作的复杂系统。这种大脑层的设计使得智能体能够从简单的“反射式”行为(Simple Reflex)向“目标导向型”(Goal-based)和“效用导向型”(Ut

智能产品开发与应用专业专科培养方案聚焦物联网与人工智能时代需求,培养掌握智能硬件开发、嵌入式编程、物联网系统集成等核心技能的技术人才。课程体系采用"端-管-云-用"全栈设计,包含电子技术基础、嵌入式系统开发、物联网通信技术等核心课程,实践比例超55%。通过项目式教学和校企合作,培养学生完成从硬件设计到云端部署的完整产品开发能力。专业特色强调软硬件协同开发,融入轻量级AI技术应用

Ikigai 是一个源于日本的复杂概念,其核心理念可以概括为:通过将个人内在的满足感与外在社会价值相融合,找到使生命充实、值得被活出的持久动力。我们可以从以下几个核心层面来理解这个理念:Ikigai 最核心的理念在于,真正的幸福和充实感并非来自单一维度(比如只追求金钱或只追求快乐),而是源于四个关键维度的动态平衡与和谐融合。这四种维度是:内在满足 (你热爱的)自我效能 (你擅长的)社会价值 (世界

Clawdbot是一款本地部署的开源智能体系统,其架构分为四层:通信层负责统一消息格式和身份验证;推理层通过动态提示词调度大模型决策;记忆系统采用本地存储保存会话日志和长期记忆;技能与执行层将工具代码与模型调用说明分离。该系统实现了"本地可控"的设计理念,允许用户自定义模型来源、数据存储和技能逻辑,将AI从在线聊天产品转变为可扩展的本地助手。开发者采用TypeScript编写,

一、定义目标函数设计好模型后,接下来便是让模型“学习”如何完成任务,此过程称为“模型训练”。在训练过程中,机器通过调整模型参数,使预测结果越来越准确。例如,为训练一个区分苹果和桔子的模型,首先设计一个简单的线性模型:Y = A × 颜色 + B × 大小 + C其中,A、B 和 C 为模型参数,决定了模型的具体形式(如图12.4中的蓝色分类面)。训练目标就是利用数据确定这些参数,从而使模型能够更准








