- 博客(90085)
- 资源 (9)
- 问答 (1)
- 收藏
- 关注
原创 强化学习在自动驾驶中的应用
随着科技的发展,自动驾驶已成为汽车行业的热门话题。它旨在通过智能系统实现车辆的自主导航,减少人为错误造成的交通事故,并提高交通效率。强化学习作为机器学习的一种,凭借其模仿人类学习方式,即通过反复试错和奖励机制优化行为的能力,正逐步成为推动自动驾驶技术的重要驱动力。未来,强化学习将在自动驾驶领域发挥更大作用,实现更高级别的自动化。然而,挑战依然存在,如数据隐私保护、安全性验证、法律法规的适应性以及应对未知环境的能力。随着技术的进步,这些挑战有望得到解决,从而推动自动驾驶技术迈向更高的成熟度。
2024-04-11 14:35:48 997
原创 基于transformer的端到端语音识别模型解析
语音识别作为人机交互的重要技术之一,在近年来得到了飞速的发展。传统的语音识别系统通常由声学模型、语言模型和解码器三个主要部分组成,需要进行复杂的管道式处理。随着深度学习技术的不断发展,出现了基于端到端(end-to-end)的语音识别模型,能够直接从原始语音信号中输出文本序列,大大简化了系统结构。其中,基于Transformer的端到端语音识别模型在近年来取得了突破性的进展,在多个公开数据集上取得了领先的识别性能。
2024-04-08 11:59:05 476 1
原创 RAG 提示词工程最佳实践
虽然目前网络上关于提示工程的相关资料已经多如牛毛,然而 RAG (检索增强生成) 任务中提示工程如何进行的资料相对而言却较少。不少朋友之前也热烈的讨论过 RAG 场景下提示词的运用,因此 Zen 禅与计算机程序设计艺术 特别推出 RAG 任务下的提示词实践经验系列分享。RAG 是检索增强生成(Retrieval Augmented Generation)的简称,是当前最火热的企业级LLM应用方案。
2024-04-06 11:17:08 63
原创 Ilya Sutskever: 元学习和自我对弈 OpenAI Meta-Learning & Self-Play | MIT Artificial General Intelligence AGI
欢迎来到 通用人工智能,今天我们有伊利亚 sutskever 联合创始人和研究开放人工智能总监,他在多伦多的 amel 小组开始工作,杰弗里·辛顿 (Geoffrey Hinton) 随后与安嘉莹一起在斯坦福大学工作,作为 Google Brain 的研究科学家,共同创立了 DNN 研究三年,并最终共同创立了开放 AI。
2024-04-02 00:01:29 42
原创 神经网络基础:从生物神经元到人工神经元
人工智能领域中,神经网络作为一种重要的机器学习模型,已经广泛应用于计算机视觉、自然语言处理、语音识别等众多领域,取得了令人瞩目的成就。神经网络的核心思想源于人类大脑中神经元之间的信息传递与处理机制。通过模拟生物神经元的结构和功能,人工神经网络得以实现对复杂问题的高效学习和处理。本文将从生物神经元的基本构造和工作原理出发,系统地介绍人工神经元的核心概念,并深入探讨神经网络的基本算法原理、最佳实践、应用场景以及未来发展趋势。希望能够帮助读者全面理解神经网络技术的来龙去脉,为进一步学习和应用打下坚实的基础。
2024-04-01 00:55:11 770
原创 词嵌入:基础知识教程 Word Embedding: Basics
GloVe 基于强大的直觉,即单词的真正含义源自两个单词相邻出现的预期概率的差异。上表显示,在我们的语料库中,“a”后面跟着“penny”两次,而单词“earned”、“saved”和“wise”各跟随“penny”一次。在一个美妙的数学推导中,新矩阵的单元格是原始矩阵的行和列之间的点积的结果。这些方法是基于预测的,因为它们提供了单词的概率,并被证明是单词类比和单词相似度等任务的最先进技术。Google 科学家发表的一篇论文 Word2Vec 的前提是,如果经过训练来预测单词的出现,单词嵌入会更加准确。
2024-03-27 13:13:49 50
原创 霍普菲尔德神经网络和大脑神经网络系统 Hopfield nets and the brain
目录Why are Hopfield nets so interesting and intriguing?为什么霍普菲尔德网如此有趣且令人着迷?What is a hopfield net and how do they work?什么是霍普菲尔德网以及它们如何工作?How do they learn? 他们如何学习?How feedforward works in hopfield nets?hopfield 网络中前馈如何工作?The “energy” function of a Hopfield n
2024-03-21 00:55:36 704 1
原创 循环神经网络背后的直觉 The intuition behind recurrent neural networks
目录Why a new post about RNN?为什么要写一篇关于 RNN 的新文章?Before you start 在你开始之前Neural networks and deep learning神经网络和深度学习Neural Networks and Deep Learning is a free online book. The book will teach you about: Neural networks, a beautiful…神经网络和深度学习是一本免费的在线书籍。这本书将教您:神
2024-03-21 00:46:27 718
原创 【AI大模型应用开发实战】逐步推导反向传播计算原理 Backpropagation step by step
不过,输出层的大小将为 10,因为我们有从 0 到 9 的 10 个可能的标签。当训练网络时,我们输入一个数字为零的图像,我们希望第一个神经元值接近于尽可能接近 1,其余尽可能接近 0。在我们的玩具网络中,我们只有一组权重。由于权重均为正,并且输入本身为正,因此神经元的结果也为正,在这种情况下,RELU 是恒等函数。简而言之,反向传播计算梯度下降以最小化成本函数,但由于神经网络中层的排列方式使它们成为复合函数,反向传播只不过是计算链式法则后的链式法则以获得导数的值成本函数相对于网络各层深处的权重。
2024-03-21 00:19:34 1104
原创 【AI大模型应用开发实战】神经网络核心算法原理与学习过程
随着计算机技术的飞速发展,人工智能逐渐成为了当今科技领域的热门话题。人工智能旨在让计算机能够模拟人类的思维方式,从而实现智能化的决策和行为。在这个过程中,神经网络作为一种模拟人脑神经元连接的计算模型,成为了实现人工智能的关键技术之一。yfw⋅xbyfw⋅xbE12∑i1nyi−ti2E21∑i1nyi−ti2反向传播:δiLyi−tif′ziLδiLyi−ti。
2024-03-19 18:01:05 977 6
原创 【模型精调LoRA】LoRA 低秩适应微调的工作原理和代码实现示例 What is LoRA? Low-Rank Adaptation for finetuning LLMs EXPLAINED
LoRA 是一种有效的大模型微调技术,可以提高推理效率并保持良好的性能。LoRA 在许多下游任务中都取得了良好的效果,包括文本分类、机器翻译和问答。
2024-03-11 12:59:38 814
原创 【ChatGPT模型精调训练】AI 大模型精调 Fine-Tuning (微调)训练图文代码实战详解
选择预训练模型:选择一个在类似任务上已经训练好的模型作为起点。数据准备:准备并预处理你的数据集,使其适合模型的输入格式。微调:在你的特定数据集上继续训练模型,调整模型的权重。评估:评估微调后模型的性能。应用:将微调后的模型部署到实际应用中。Fine-Tuning(精调)是指在预训练模型的基础上,对模型进行微调,使其适应特定任务。预训练模型通常在大量无标签数据上进行训练,以学习通用的语言表示。通过 Fine-Tuning,我们可以在较小的标签数据集上训练模型,以便模型能够更好地解决特定任务。
2024-03-09 11:39:09 343 1
原创 第二章:AI大模型的基础知识2.1 机器学习与深度学习基础2.1.3 神经网络的基本结构
自从人工智能(AI)成为可能的研究领域以来,研究人员一直在尝试模拟生物神经网络中的行为,从而产生可编程的计算机系统。人类大脑中的神经元被认为是执行计算的基本单位,这些单位以非常高效的方式组合在一起,形成复杂的网络来处理信息。自然界中的生物神经网络已经存在数百万年,并且已经演变成了一种非常强大和高效的信息处理系统。因此,模仿生物神经网络并将其应用到计算机系统中可能是一个重大飞跃。人工神经网络(ANN)是一种由简单的处理单元(neurons)组成的网络,它们是通过可训练的连接相互连接的。
2024-02-01 15:00:57 123
原创 AI大模型应用入门实战与进阶:构建你的第一个大模型:实战指南
AI大模型是指具有大量参数和复杂结构的人工智能模型。这些模型通常需要大量的计算资源和数据来进行训练,以实现高性能的预测和生成能力。近年来,随着计算能力的提高和数据量的增加,AI大模型在各种任务中取得了显著的成果,如自然语言处理、计算机视觉和强化学习等。模型压缩与加速:随着模型规模的增加,计算资源和存储需求也在不断增加。未来的研究需要关注如何压缩和加速大模型,以适应更多的应用场景。数据效率与迁移学习:当前的大模型通常需要大量的数据和计算资源进行训练。
2024-01-28 03:18:50 1023 1
原创 【ChatGPT核心原理实战】《提示工程指南》 | Prompt Engineering Guide
提示工程是一个较新的学科,应用于开发和优化提示词(Prompt),帮助用户有效地将语言模型用于各种应用场景和研究领域。掌握了提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。研究人员可利用提示工程来提高大语言模型处理复杂任务场景的能力,如问答和算术推理能力。开发人员可通过提示工程设计和研发出强大的技术,实现和大语言模型或其他生态工具的高效接轨。本指南介绍了提示词相关的基础知识,帮助用户了解如何通过提示词和大语言模型进行交互并提供指导建议。
2024-01-05 01:17:04 1017 1
原创 【ChatGPT核心原理实战】手动求解 Transformer:分步数学示例 | Solving Transformer by Hand: A Step-by-Step Math Example
手动求解 Transformer:分步数学示例Understanding Transformers: A Step-by-Step Math Example — Part 1了解 Transformer:分步数学示例 — 第 1 部分I understand that the transformer architecture may seem scary, and you might have encountered various explanations on…我知道变压器架构可能看起来很可怕,并且
2023-12-22 02:23:09 2448 6
原创 强化学习:在电子商务推荐系统中的应用
1. 背景介绍1.1 电子商务推荐系统的重要性在当今快节奏的数字时代,电子商务已经成为人们日常生活中不可或缺的一部分。随着在线购物平台和产品选择的不断增加,为用户提供个性化和相关的推荐变得至关重要。有效的推荐系统不仅能够提高用户体验,还可以增加销售额和客户忠诚度。
2024-04-17 14:06:25 321
原创 强化学习基础概念与原理
强化学习基础概念与原理1. 背景介绍1.1 什么是强化学习强化学习(Reinforcement Learning, RL)是机器学习的一个重要分支,它研究如何基于环境反馈来学习行为策略,以最大化长期累积奖励。与监督学习不同,强化学习没有提供标准
2024-04-17 14:05:53 350
原创 强化学习在金融投资中的应用实践
1. 背景介绍1.1 金融投资的挑战金融投资是一个复杂且充满挑战的领域,投资者需要在不断变化的市场环境中做出决策,以期获取最大的回报。然而,传统的金融理论,如现代投资组合理论(MPT)和有效市场假说(EMH),往往无法满足现代复杂金融市场的需求。投资者需要一种能够适应市场变化,能够自我学习和优化策
2024-04-17 14:05:22 548
原创 求职招聘网站详细设计与具体代码实现
求职招聘网站详细设计与具体代码实现1. 背景介绍1.1 招聘网站的重要性在当今快节奏的商业环境中,人力资源是企业最宝贵的资产之一。有效的人才招聘对于企业的持续发展至关重要。传统的招聘方式已经无法满足现代企业的需求,因此出现了许多在
2024-04-17 14:04:51 426
原创 人工智能大模型与向量数据库:构建智能教育辅助系统
1.背景介绍在当前的教育环境中,我们面临着一些挑战,如个性化教育需求的增长、学生参与度的提高以及教育资源的优化分配。人工智能(AI)的介入为解决这些问题提供了新的可能性。尤其是在大数据时代,AI模型和向量数据库的结合,使得构建智能教育辅助系统变得可行。1.1 教育环境的挑战
2024-04-17 14:04:19 743
原创 人工智能代理在内容创作中的工作流程
以下是关于"人工智能代理在内容创作中的工作流程"的技术博客文章正文:1. 背景介绍1.1 内容创作的重要性在当今时代,高质量的内容创作对于企业、个人和组织来说都变得越来越重要。无论是营销、教育、娱乐还是其他领域,优秀的内容都能吸引受众,传递信息,影响观点。然而
2024-04-17 14:03:48 567
原创 人工智能对就业市场的影响和变革
人工智能对就业市场的影响和变革1. 背景介绍1.1 人工智能的兴起人工智能(Artificial Intelligence, AI)是当代科技发展的重要驱动力,近年来取得了长足进步。AI技术在多个领域得到广泛应用,如计算机视觉、自然语言
2024-04-17 14:03:15 637
原创 人工智能在科学发现中的实践
1.背景介绍在科学的海洋中,发现新的知识和理论始终是一个复杂且充满挑战的过程。然而,随着人工智能(AI)的快速发展和应用,它正在逐渐改变科学发现的方式。1.1 科学发现的传统模式在传统的科学发现过程中,科学家们通过实验、观察和理论分析来发现新的科学知识。这个过程通常需要大量的时间
2024-04-17 14:02:44 300
原创 人事管理系统详细设计与具体代码实现
1. 背景介绍1.1 人事管理系统的重要性人力资源是企业最宝贵的资产,高效的人事管理对于企业的发展至关重要。随着企业规模的不断扩大,传统的人工管理方式已经无法满足现代企业对人力资源管理的需求。因此,构建一个完善的人事管理系统(Human Resource Management System,
2024-04-17 14:02:13 737
原创 社交网络中的位置推荐算法研究
社交网络中的位置推荐算法研究1.背景介绍1.1 社交网络的兴起随着互联网和移动通信技术的快速发展,社交网络应用程序(如Facebook、Twitter、Instagram等)已经深深融入了人们的日常生活。社交网络不仅为人们提供了一种新的交流
2024-04-17 14:01:41 593
原创 社区物业管理系统详细设计与具体代码实现
社区物业管理系统详细设计与具体代码实现1. 背景介绍1.1 社区物业管理的重要性随着城市化进程的加快,社区物业管理已经成为城市运营和居民生活质量的关键环节。高效的物业管理不仅能够确保社区的整洁有序,还能为居民提供优质的生活
2024-04-17 14:01:10 487
原创 深度 Qlearning:在直播推荐系统中的应用
1.背景介绍1.1 直播推荐系统的挑战在现代的互联网环境中,直播平台已经成为了一个重要的娱乐载体。如何将用户和他们可能感兴趣的直播内容精准地匹配起来,成为了直播平台发展的关键问题。传统的推荐算法,如协同过滤和基于内容的推荐,由于其静态的特性,无法满足直播推荐的实时性和动态性的需求。
2024-04-17 14:00:39 213
原创 深度强化学习在推荐系统中的作用
1. 背景介绍1.1 推荐系统简述推荐系统在我们的日常生活中无处不在,它在电商网站、新闻应用、社交网络、音乐和电影娱乐服务等领域都发挥着至关重要的作用。旨在通过理解用户的兴趣和需求,向用户提供他们可能感兴趣的信息或产品的个性化推荐。1.2 强化学习概述
2024-04-17 14:00:07 433
原创 深度强化学习DQN的前沿研究热点与趋势
1. 背景介绍1.1 强化学习概述强化学习(Reinforcement Learning, RL)是机器学习的一个重要分支,它关注智能体(Agent)如何通过与环境(Environment)的交互来学习并优化其行为策略,从而获得最大的累积奖励。与监督学习和无监督学习不同,强化学习没有提供明确的输入-
2024-04-17 13:59:36 552
原创 深度强化学习DQN在推荐系统中的应用实战
1. 背景介绍1.1 推荐系统的重要性在当今信息时代,我们每天都会接触到大量的信息和数据。然而,有效地从海量信息中发现有价值的内容并不是一件容易的事情。这就是推荐系统发挥作用的地方。推荐系统旨在根据用户的兴趣和偏好,为他们推荐最相关的项目,如电影、音乐、新闻文章等。推荐系统已经广
2024-04-17 13:59:05 422
原创 深度学习的基本架构与数学原理
1.背景介绍随着科技的发展,人工智能在诸多领域发挥了积极的作用,尤其是深度学习技术。深度学习是机器学习的一个分支,它试图模仿人脑进行学习,识别和处理大规模数据。深度学习的出现,使我们有可能处理前所未有的大数据,让机器可以更好的理解和解析人类的需求。1.1 深度学习的起源深度学习并非是
2024-04-17 13:58:33 426
原创 深度学习在智能家居中的应用
深度学习在智能家居中的应用1. 背景介绍1.1 智能家居的兴起随着科技的不断进步,人们对生活质量的要求也在不断提高。智能家居作为一种新兴的生活方式,正在逐渐走进千家万户。智能家居系统通过将各种智能化设备连接到家庭网络,实现对家居环境的自动化
2024-04-17 13:58:02 540
原创 深度学习在智能教育中的应用
1.背景介绍在当前的信息化社会,教育领域正在经历一场深刻的变革。智能教育,作为教育技术发展的新阶段,依托于云计算、大数据、人工智能等新一代信息技术,以学习者为中心,实现教育教学过程的个性化、智能化。在这种背景下,深度学习作为人工智能的重要分支,其在智能教育中的应用越来越受到关注。2.核心概念与联系
2024-04-17 13:57:31 421
原创 深度QLearning在机器人控制中的应用
1.背景介绍在近年来,人工智能和机器学习的应用已经深入到我们生活的各个领域,其中机器人控制系统是一个备受关注的领域。机器人控制系统的目标是让机器人能够在复杂的环境中进行自主决策,完成各种复杂的任务。为了实现这一目标,机器人需要具备学习和适应环境的能力,这就需要引入强化学习这一机器学习的分支。在强化学习的诸多算法中,Q-Learning
2024-04-17 13:56:59 494
原创 神经网络基础:感知机和多层前馈网络
1.背景介绍神经网络作为一种强大的模型,不仅在学术界获得了广泛的关注,而且在工业界也得到了广泛的应用。神经网络的基础是感知机和多层前馈网络,了解这两种网络模型对于理解和应用神经网络至关重要。1.1 感知机感知机(Perceptron)是神经网络的最早形式,由Rosenblatt在1958年提
2024-04-17 13:56:28 493
原创 时间序列分析在金融预测中的应用
1. 背景介绍随着金融市场的日益发展和资本市场的不断扩大,时间序列分析在金融预测中的应用越来越广泛。时间序列分析是对随时间变化的数据序列进行分析的一种统计技术,通过研究数据的内在规律,预测未来的走势。在金融市场中,时间序列分析的方法被广泛应用于股票价格、汇率、利率等金融变量的预测。1.1 金融市
2024-04-17 13:55:57 283
原创 试卷管理系统详细设计与具体代码实现
试卷管理系统详细设计与具体代码实现1. 背景介绍1.1 试卷管理系统概述随着教育信息化的不断推进,试卷管理系统作为教学管理的重要组成部分,其重要性日益凸显。试卷管理系统是一种专门用于管理试卷的软件系统,它可以实现试卷的制作、存储、
2024-04-17 13:55:25 464
原创 手机商城网站详细设计与具体代码实现
1. 背景介绍在当今的移动互联网时代,手机已经成为了我们生活中不可缺少的一部分。特别是在购物方面,手机商城的便利性和高效性使得越来越多的用户选择在手机上完成购物流程。因此,如何设计和实现一个高效、易用、安全的手机商城网站,是许多开发者和企业需要面临的问题。本文将详细介绍手机商城网站的设计与具体代码实现,我们将使用主流的前端框架和后端
2024-04-17 13:54:54 386
原创 手机销售系统详细设计与具体代码实现
1.背景介绍在现代社会,手机销售系统已经成为连接消费者和供应商的重要桥梁。随着科技的发展,手机销售系统的设计和实现变得越来越复杂,需要处理的事务也越来越多。本文将详细介绍手机销售系统的详细设计和具体代码实现。1.1 市场需求随着手机市场的快速扩张,拥有一个高效、可扩展的手机销售系统对于保持
2024-04-17 13:54:23 506
ClickHouse 高性能、可扩展和低成本的OLAP数据库 陈光剑 20230912
2023-09-14
Will AI Fix Work? 工作节奏超过了我们的跟上能力 人工智能有望创造一种全新的工作方式
2023-05-17
THE AI INDEX REPORT 人工智能指数报告 Measuring trends in Artificial Inte
2023-04-06
Kotlin Coroutines by Tutorials (1st Edition)
2021-04-28
Principles of programming languages by Gilles Dowek (auth.) (z-lib.org).pdf
2021-04-28
A Brief History of Artificial Intelligence
2021-04-28
An introduction to functional programming through lambda calculus.PDF.zip
2019-09-22
《Kotlin项目实战开发》第3章+类型系统与可空类型
2017-09-30
2024 年可以实现 AGI 吗?
2024-01-02
TA创建的收藏夹 TA关注的收藏夹
TA关注的人