大语言模型生成，能理解上下文语义，摘要更加自然流畅。抽取式摘要：从原文中提取关键句，不改变原文语句，实现简单，但可读性一般，语义连贯性较差。架构：当前主流大模型的核心，具有并行计算能力强、长距离语义建模能力强等特点。程锡贵，男，西安工程大学电子信息学院，2025级研究生，张宏伟人工智能题组。注意力机制：能够动态关注文本中的核心内容，自动分析词语间的关系。高朝阳，女，西安工程大学电子信息学院，202

本实验旨在构建一个可视化的 DeepSeek 多语言翻译评测平台。实验环境需要 Python 3.8+，并安装以下核心依赖库：pip install gradio pandas openai datasets。（各依赖库的版本无特殊要求，安装新版本即可）,以下是作者相关依赖版本参考：实验使用的数据集（双轨评测标准）：OPUS-100涵盖开源多领域（电影字幕、IT 文档等）语料。本实验提取其测试集，

任鑫，男，西安工程大学电子信息学院，2025级研究生研究方向：深度学习、目标检测电子邮件：renx17811@163.com胥乾信，男，西安工程大学电子信息学院，2025级研究生，张宏伟人工智能课题组研究方向：机器视觉与人工智能电子邮件：2692797728@qq.com2.1 回归与正则化基础线性回归的本质是找到特征与目标值的线性映射关系，公式为：模型训练的目标是找到最优的w和b，让预测值与真实

本文介绍了基于阿里云百炼平台的通义千问API调用方法。作者李雨杭（西安工程大学研究生）详细阐述了API调用原理，包括通过Python程序封装用户问题、调用Qwen3.6-Plus模型并获取响应的完整流程。重点说明了messages对话结构的三类角色（system/user/assistant）及其作用，以及获取API-KEY的具体步骤。文章提供了完整的实验代码示例，展示如何实现多轮对话功能，并验证

实验环境：Python 3.x，numpy，pandas，scikit-learn，matplotlib，seaborn。模型在测试集上的结果为：Accuracy=0.9825，Precision=0.9861，Recall=0.9861，F1=0.9861，ROC-AUC=0.9957。逻辑回归用于二分类任务。结果文件目录：D:/桌面/人工智能课程/breast_cancer_logreg/ou

该矩阵基于 541 个测试样本（各数字样本数分别为：0 类 53 个、1 类 50 个、2 类 47 个、3 类 54 个、4 类 60 个、5 类 66 个、6 类 53 个、7 类 55 个、8 类 44 个、9 类 59 个），展示了真实标签与预测标签之间的对应关系。数字 9 的书写形态变化较大，包含了竖线、弧形、闭合等多种笔画特征，容易与多个数字产生局部形态重叠，是模型识别难度最大的类别。

本文介绍了基于阿里云百炼平台的通义千问API调用方法。作者李雨杭（西安工程大学研究生）详细阐述了API调用原理，包括通过Python程序封装用户问题、调用Qwen3.6-Plus模型并获取响应的完整流程。重点说明了messages对话结构的三类角色（system/user/assistant）及其作用，以及获取API-KEY的具体步骤。文章提供了完整的实验代码示例，展示如何实现多轮对话功能，并验证

图像特征提取：首先，API 会使用卷积神经网络（CNN）等深度学习模型对输入的黑白图像进行特征提取。CNN通过多层卷积和池化操作，可以自动学习到图像中的各种特征，如边缘、纹理、形状等。这些特征是后续上色过程的重要依据。颜色预测模型：基于大量的彩色图像数据进行训练，建立颜色预测模型。该模型学习到黑白图像特征与对应的彩色信息之间的映射关系。在训练过程中，模型会不断调整参数，以最小化预测颜色与真实颜色之

郝颖，女，西安工程大学电子信息学院，2024级研究生研究方向：机器视觉与人工智能电子邮件：1418293433@qq.com王晓睿，男，西安工程大学电子信息学院，2024级研究生，张宏伟人工智能课题组研究方向：智能视觉检测与工业自动化技术电子邮件：3234002295@qq.com线性回归是一种用于建模自变量（输入变量）与因变量（输出变量）之间线性关系的统计方法。通过拟合一条直线来预测因变量的值，

祁佳程，男，西安工程大学电子信息学院，2024级研究生研究方向：机器视觉与人工智能电子邮件：1825627843@qq.com乔幸荣，女，西安工程大学电子信息学院，2024级研究生，张宏伟人工智能课题组研究方向：模式识别与智能系统电子邮件：2029518801@qq.com1）早期阶段（20世纪50-70年代）这一阶段的API主要用于操作系统内部功能接口，供程序开发人员使用，功能简单，是软件开发的