tag 機器學習

標籤
貢獻433
445
05:25 PM · Oct 25 ,2025
deephub 頭像 tecdat 頭像 qingfouai 頭像 chaoshenjinghyperai 頭像 u_17420180 頭像 u_17061379 頭像 lab4ai 頭像 u_15214399 頭像 youyudetusi 頭像 aigoto 頭像 u_15690955 頭像 MrVolleyball 頭像

@機器學習 / 博客 RSS 訂閱

u_17420180 頭像

合合信息解決方案 - 解析出的表格數據結構混亂，有什麼工具能處理嗎？

傳統OCR工具處理表格數據的相關痛點 信息化工作會議強調推動信息化與工業化深度融合，推進“人工智能+製造”專項行動，培育重點行業智能體，深化中小企業數字化賦能，需依託高質量數據支撐轉型落地。 數據作為數字化轉型的核心要素，其結構化處理效率直接影響轉型成效。但在製造、辦公、企業運營等真實場景中，文檔元素普遍缺乏標準化與格式化特徵，雙欄表格、無線表格等複雜

機器學習 , 數據 , 人工智能 , 文檔解析 , 跨行合併

收藏 評論

u_16213697 頭像

mob64ca14137e4f - 深度學習數據歸一化 負值

歸一化的主要公式 1.將數據歸一到[0,1]： 其中和分別是數據的最大值和最小值。 2.將數據歸一化到[-1,1]： 其中是數據的均值。 3.將數據歸一化到均值為0，標準差為1的標準正態分佈上： 其中和分別是數據的均值和標準差。 4.將數據歸一化到[a,b]： 計算係數：

機器學習 , 深度學習數據歸一化 負值 , 神經網絡 , 數據歸一化 , 人工智能 , 深度學習

收藏 評論

lab4ai 頭像

Lab4AI - AAAI2025！北理工團隊提出FBRT-YOLO：面向實時航拍圖像更快更好的目標檢測 |計算機視覺|目標檢測

01 論文概述 論文名稱：FBRT-YOLO: Faster and Better for Real-Time Aerial Image Detection —— 更快更好：面向實時航拍圖像的目標檢測 👉一鍵直達論文 👉Lab4AI大模型實驗室論文 🌟 簡介 航拍圖像目標檢測在城市監控、災害響應和農業管理等領域至關重要。然而，這一任務面臨着獨特的挑戰：物體尺寸變化劇烈、小目標密集、背景複

機器學習 , 圖像識別 , 知識 , 人工智能 , 深度學習

收藏 評論

u_16099263 頭像

IT狼人9號 - DEM導出三維模型

一、內嵌ORM框架 概念：對象關係映射，即通過創建模型類，對象與數據庫的映射、關聯。 例如：要創建個模型類映射數據庫圖書表 二、模型類生成表 1）生成遷移文件 命令：python manage.py makemigrations 2）執行遷移生成

機器學習 , 數據 , 人工智能 , sqlite , DEM導出三維模型 , 前端 , Python

收藏 評論

u_13303 頭像

colddawn - 微信小程序 發表文章的代碼demo

1.在上一篇我們説到我們在寫小程序要運用的知識是c3,h5,js，小程序的基本結構瞭解了，接下來我們來了解頁面佈局， 2.其實小程序的佈局和我們在編寫網頁的佈局是差不多的，就是我們要注意幾點，就是我們在傳統的佈局當中都是用div佈局的，再就是c3當中那些語義化標籤就行佈局，而我們的小程序中就不是用div了，他用的是view這個標籤，他的效果和div一樣，都是塊級元素還有一個

機器學習 , 導航欄 , 輪播圖 , 人工智能 , 滑塊 , 微信小程序 發表文章的代碼demo

收藏 評論

u_14402 頭像

Aceryt - 淺顯易懂的機器學習（七）—— 決策樹分類

在機器學習的分類算法裏，有一類算法特別 “直觀”—— 它不用複雜的概率計算，也不用繞人的公式，而是像我們日常生活中的 “判斷流程” 一樣，一步一步得出結論。它就是決策樹（Decision Tree）。 本文會從一個真實的銀行貸款場景切入，幫你看懂決策樹的判斷邏輯，再抽象出決策樹的核心定義和結構，終於講清它如何幫我們解決分類問題。全程無複雜公式，純入門友好，看完就能學會 “用

機器學習 , 決策樹 , 服務器 , 數據 , Windows Server

收藏 評論

u_16099345 頭像

智能開發先鋒 - 強化學習網絡設計層數

　　隨着帶寬的提高，網頁上的對象也越來越多，因此加快網頁打開速度還是一個重要的課題。加快網頁的打開速度，有三個路徑：一是提高網絡帶寬，二是用户在本機做優化，三是網站設計者對網頁做一定的優化。這篇文章站在一個網站設計者的角度，分享一些優化網頁加載速度的小技巧。 一、優化圖片 幾乎沒有哪個網頁上是沒有圖片的。如果你經歷過56K貓

機器學習 , 加載 , 人工智能 , 強化學習網絡設計層數 , Css

收藏 評論

u_17420180 頭像

合合信息解決方案 - 醫療票據識別工具推薦

方案介紹 合合信息TextIn平台推出的醫療票據識別工具，是針對醫療行業票據處理痛點打造的一站式智能解決方案。該工具依託合合信息在文檔識別與解析領域的核心技術積累，通過海量高質量醫療票據數據訓練，實現了對住院發票、門診病歷等10類核心醫療票據的智能切分、分類、識別及關鍵信息提取。無論是醫保審核、商業健康險理賠，還是醫院數字化運營，其都能以精準、高效的自動化處理能力，解決醫療

機器學習 , 數據 , 人工智能 , 系統集成 , 圖像質量

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】線性分類器與支持向量機 - 新聞標題主題分類(SVM)

最新案例動態，請查閲【案例共創】線性分類器與支持向量機 - 新聞標題主題分類(SVM)。小夥伴們快來領取華為開發者空間進行實操吧！ 本案例由：梅科爾工作室提供 1 概述 1.1 案例介紹 在機器學習領域，分類的目標是指將具有相似特徵的對象聚集。而一個線性分類器則透過特徵的線性組合來做出分類決定，以達到此種目的。 支持向量機（Support Vecto

機器學習 , 數據集 , 人工智能 , 詞向量 , 開發者

收藏 評論

u_16213630 頭像

mob64ca14038b36 - XWPFTemplate 可以處理doc

　　Office文檔格式與PDF互轉是很多朋友比較關心的問題，特別是將Word的DOC文檔轉成PDF文檔，或者把PDF轉換成Word文檔用的最為廣泛。或許大家並不知道，除了PDF與Word文檔相互轉換外，PDF文檔還可以轉成其它一些文件格式，大家一起來瞧瞧吧。 　　PDF文檔之間的轉換： 　　迅捷PDF轉換器是一個PDF轉Word的工具，支持PDF轉換成Word、Ex

機器學習 , word , 自動生成 , 人工智能 , HTML

收藏 評論

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（12.12-12.19）

本週AI領域迎來密集更新，大模型方面，Runway、OpenAI、通義百聆、NVIDIA、阿里雲、字節跳動、小米、騰訊、Meta、Google等先後推出或開源視頻生成、世界模型、語音、音視頻創作等相關模型，涵蓋畫質提升、多模態支持、高效推理等優勢，部分模型引發爭議；Agent方面，Google、商湯科技等發佈研究、辦公、營銷等場景智能體；工具方面，騰訊元寶、OpenAI也更新工具功能，一起來回顧本

機器學習 , 資訊 , 數據挖掘 , 自然語言處理 , 人工智能

收藏 評論

u_56701 頭像

hackernew - 匯川機器人和plc交互的協議ethemetip

作者：王哲 一、技術上： 我們國家所掌握的工業機器人技術，大概比國外領先企業四大（ABB，fanuc，庫卡，安川）落後15年左右，即使和國外的二流企業相比也要落後5-10年。事實上，作為一個曾在國內頗有規模的國產機器人企業任核心管理團隊成員，我將原公司在2015年生產的產品和我老東家ABB在05年的產品相比，客觀地説，兩者都不能説是能旗鼓相當的，技術差

機器學習 , 機械臂 , 工業機器人 , 人工智能 , 核心技術

收藏 評論

u_15690955 頭像

出手吧Glen - AI鍊金術大揭秘！一鍵召喚“創意大師”，讓你的圖片秒變魔法世界

大家好，我是立志替大家出手的AI區（最近在努力搬磚的）UP主Glen。 友友們，大家好！今天我給大家帶來了一個超級好玩的東西——AI繪圖！你有沒有想過，有一天AI繪圖可以像鍊金術一樣神奇？輸入幾張圖片，再念個“咒語”，就能變出全新的畫面？是不是聽起來就很酷？話不多説，咱們直接開整！ 【pOps——AI界的“鍊金術”】 先來個劇透：p

機器學習 , AI 繪畫 , 人工智能

收藏 評論

u_16099261 頭像

風華絕代的java - 一次不太成功的項目實戰：HOG特徵+SVM實現交通標誌的檢測_Meringue

一、系統架構 1.1 整體流程 1.2 核心模塊説明 顏色分割：利用HSV空間抑制光照影響（H分量閾值範圍[30°,150°]，S分量0.

機器學習 , 支持向量機 , 算法 , 系統架構 , Css , 前端開發 , HTML

收藏 評論

u_16099181 頭像

數碼悟透 - tesla T4 怎麼看識別沒識別

特斯拉是怎麼靠攝像頭，來做到城市自動駕駛的？ 文 | James近日，特斯拉更新了自動駕駛軟件的2020.12版本更新，在這一版更新中，特斯拉加入了交通信號燈和停車標誌識別的自動駕駛功能。如果特斯拉選配了FSD完全自動駕駛能力套件，就能通過OTA升級體驗車輛在紅燈前自動停下，綠燈亮起後又自動加速的自動駕駛功能。這項功能正式發佈，為即將到來的

機器學習 , 數據 , 自動駕駛 , tesla T4 怎麼看識別沒識別 , 架構 , 後端開發 , 神經網絡有趣案例

收藏 評論

u_13019 頭像

boyboy - coremail日誌格式字段映射

Asp.NetCore源碼學習[2-1]：日誌 在一個系統中，日誌是不可或缺的部分。對於.net而言有許多成熟的日誌框架，包括Log4Net、NLog、Serilog 等等。你可以在系統中直接使用這些第三方的日誌框架，也可以通過這些框架去適配ILoggerProvider 和 ILogger接口。適配接口的好處在於，如果想要切換日誌框架，只要實現並註冊新的 IL

機器學習 , coremail日誌格式字段映射 , logging , 人工智能 , 日誌系統 , ide

收藏 評論

u_16213560 頭像

數據小探 - emgu 物體移動

在unity3d中,有多種方式可以改變物體的座標,實現移動的目的. 總結來説,分為以下幾種,這裏對於這幾種方式分別做闡述. 通過Transform組件移動物體 Transform組件用於描述物體在空間中的狀態,它包括 位置(position), 旋轉(rotation), 縮放(scale). 其實所

機器學習 , 指定位置 , 座標系轉換 , 人工智能 , emgu 物體移動 , 插值

收藏 評論

u_15434217 頭像

文傳商訊 - Esri推出適用於Microsoft Fabric的最新ArcGIS集成功能

加州雷德蘭茲--位置智能領域的全球領導者Esri今日宣佈，ArcGIS GeoAnalytics for Microsoft Fabric正式全面可用。同時進入公開預覽階段的還有ArcGIS Maps for Microsoft Fabric，這款製圖工具能讓用户輕鬆添加商業、生活方式、人口統計和環境數據等背景信息，以豐富Microsoft OneLake中的企業數據。 E

機器學習 , 數據集 , 數據 , 空間分析 , 人工智能

收藏 評論

u_12959 頭像

lanhy - gbdt離散特徵

一、為什麼要用獨熱編碼？ 在很多機器學習任務中，特徵並不總是連續值，而有可能是分類值。 離散特徵的編碼分為兩種情況： 1、離散特徵的取值之間沒有大小的意義，比如color：[red,blue],那麼就使用one-hot編碼 2、離散特徵的取值有大小的意義，比如size:[X,XL,XXL],那麼就使用數值的映射{X:1,XL:2,XXL:3} 例如，

機器學習 , 歸一化 , 數據 , 取值 , gbdt離散特徵 , 人工智能

收藏 評論

u_17061379 頭像

AI編程社區 - Qoder IDE 背後的技術思考

在2025雲棲大會現場，Qoder技術負責人陳鑫分享了Qoder產品研發背後的思考以及AI Coding的發展趨勢。他指出上下文工程正在逐漸取代提示詞工程成為主流，但上下文太長或太短都會影響模型的效果，為此Qoder做出了一系列優化設計，包括支持RepoWiki功能、集成記憶感知系統等。他還表示，未來多智能體架構是應對更長、更復雜任務的基石，但構建這樣多智能架構仍存在諸多技術挑戰

機器學習 , 雲棲大會 , 人工智能 , 代碼補全 , 代碼庫 , 開發者

收藏 評論

u_16213688 頭像

mob64ca14116c53 - rknn模型的形狀

RL讀書筆記1 概述 強化學習與監督學習的對比 通過與監督學習的比較，我們可以總結出強化學習的一些特徵。 標準強化學習和深度強化學習 序列決策 獎勵 序列決策 動作空間 問題 概述

機器學習 , 強化學習 , 數據 , 監督學習 , 人工智能 , rknn模型的形狀

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 Matplotlib：第三章 基本屬性

人工智能之數據分析 Matplotlib 第三章 基本屬性 (文章目錄) 前言 本文主要介紹如何設置繪圖標記、線條樣式、軸標籤、標題、網格線以及如何在同一窗口中繪製多個圖表。 一. 繪圖標記 你可以通過 plt.plot() 函數中的參數 marker 來指定數據點的標記樣式。例如： plt.plot([1, 2, 3, 4], [1

機器學習 , yyds乾貨盤點 , 人工智能 , 數據分析 , 深度學習 , Python

收藏 評論

u_16213607 頭像

mob64ca13fe1aa6 - 心電算法的心律失常分析

HRV（心率變異性）是指連續心跳間時間間隔（RR間期）的微小波動，其檢測依賴信號處理、統計分析、機器學習等多類算法，核心目標是從原始生理信號中提取有效RR間期信息，並量化分析其波動規律，最終反映自主神經系統功能。 一、前置環節：信號預處理算法 HRV分析的前提是獲取準確的RR間期序列，但原始採集信號（如心電圖ECG、光電容積脈搏波PP

機器學習 , HRV , 小波變換 , 後端開發 , 心率變異 , 頻域 , harmonyos

收藏 評論