logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

《数据结构》课程设计--c++多叉树

数据结构课程设计报告 c++实现多叉树及其可视化

文章图片
#数据结构#c++
《数据结构》课程设计--c++图

数据结构--c++实现图的相关操作和算法实验报告

文章图片
#数据结构#c++
自然语言处理nlp--9.情感分析(一般框架、公开数据集,含LSTM/SnowNLP代码示例)

情感分析是通过计算技术对带有情感色彩的主观性文本进行分析和推理的过程,旨在识别用户的态度和观点。其核心任务包括情感信息抽取和情感分类。该领域发展得益于公开评测如TREC、NTCIR和丰富的数据如Cornell、MPQA和情感词典如GI、HowNet。技术上,情感分析方法从早期的基于规则和词典的方法发展到如今的机器学习如LSTM、SVM、预训练语言模型,其中SnowNLP等库提供了开箱即用的解决方案

文章图片
#自然语言处理#人工智能#lstm
《数字图像处理》课程设计--基于预处理和EasyOCR的图像文本识别技术研究--报告+代码

解决问题:分割随机角度拍摄的图中的标签,并将标签中的字符按序识别出来。

文章图片
大模型微调、优化与评估(什么是大模型,知识外挂RAG,前缀微调prefix-tuning,低秩适应方法LoRA、QLora,微调方法对比总结,迁移学习,领域适应,评估指标BLEU、ROUGE)

大模型的出现就是一次生产力的进步,本文深入探讨大模型微调、优化与评估技术,尤其微调和领域适应,通过详尽实例、图表和清晰解释什么是检索知识增强RAG、指令微调低秩适应方法LoRA以及他的改进版QLora,让复杂概念易于理解。微调技术涵盖知识注入和指令微调,以实际案例展示RAG方法增强信息检索。文中进一步介绍迁移学习的原因与分类及适用场景、评估标准(如BLEU和ROUGE)。

文章图片
#迁移学习#RAG
从0开始机器学习--6.1神经网络概念+基础(深度学习框架介绍,什么是张量tensor?梯度?超参数?Epoch?批Batch?激励、损失函数?优化器?初始化?,含华为2024“智联杯”实战)

介绍并对比三种最常见的深度学习框架。以pytorch框架展开,详细介绍梯度问题、数据类型、两种典型的数据初始化方法、超参数的意义与作用、model.train()和model.eval()的用法与区别、以及激励函数损失函数和优化器的定义与作用、实际搭建步骤、算法原理、前向后向传播、快速搭建法、保存和提取,以及迁移学习等神经网络模型中的基础知识。

文章图片
#机器学习#深度学习#神经网络 +4
大模型微调、优化与评估(什么是大模型,知识外挂RAG,前缀微调prefix-tuning,低秩适应方法LoRA、QLora,微调方法对比总结,迁移学习,领域适应,评估指标BLEU、ROUGE)

大模型的出现就是一次生产力的进步,本文深入探讨大模型微调、优化与评估技术,尤其微调和领域适应,通过详尽实例、图表和清晰解释什么是检索知识增强RAG、指令微调低秩适应方法LoRA以及他的改进版QLora,让复杂概念易于理解。微调技术涵盖知识注入和指令微调,以实际案例展示RAG方法增强信息检索。文中进一步介绍迁移学习的原因与分类及适用场景、评估标准(如BLEU和ROUGE)。

文章图片
#迁移学习#RAG
《博弈论与强化学习》课程报告--论文精读--基于Offline-to-Online深度强化学习的分散式任务卸载策略研究

原论文通过离线预训练和在线微调相结合,构建了O2O-DRL模型以解决冷启动问题,从而在边缘环境中实现高效、实时的任务调度。实验结果表明,O2O-DRL在多种负载条件下优于传统方法,展示了其在边缘计算应用中的可行性和扩展潜力。

文章图片
#边缘计算
《人工智能与脑认知》期末复习(认知科学概述、脑电EEG、相关事件电位ERP、主要实验范式)

本文是基于《人工智能与脑认知》课程的复习纲要,主要涵盖人工智能、认知科学、脑电特征和事件相关电位等内容。课程介绍了智能的定义、认知过程、脑结构功能及ERP技术应用,包括视觉/听觉成分分析、实验范式(如Oddball、Go-Nogo范式)和脑机接口基础。重点阐述了P300、MMN等ERP成分的神经机制及其在认知研究中的意义,为脑机接口研究提供理论基础。课程强调跨学科整合,涉及心理学、神经科学和计算机

文章图片
#人工智能
从0开始机器学习--11.关联规则挖掘基础(概念-频繁项集、关联规则、支持度置信度提升度,经典算法-Apriori、哈希树优化支持计数,关联模式评估与复杂度分析,应用与未来趋势,含代码)

关联规则挖掘是一种从海量数据中发现隐藏模式的核心技术,广泛应用于零售、网络安全、医疗诊断等领域。通过经典算法如Apriori和高级优化方法如FP-Growth,结合支持度、置信度等评估指标,解决复杂数据分析难题。面对高维数据和倾斜支持度等挑战,未来趋势包括深度学习融合、实时挖掘和隐私保护。探索关联规则挖掘,助力数据价值最大化!

文章图片
#机器学习#数据挖掘#算法
    共 45 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 请选择