tag 泛化

標籤
貢獻10
66
05:04 PM · Nov 17 ,2025
u_16827017 頭像 u_16099217 頭像 u_16213596 頭像 u_16213666 頭像 u_16213661 頭像 u_16213583 頭像 u_16297326 頭像 u_17420180 頭像 u_17588526 頭像 alter 頭像

@泛化 / 博客 RSS 訂閱

u_16099217 頭像

技術博客達人 - yarn hdfs聚合日誌解析

背景 眾所周知，日誌是記錄應用程序運行狀態的一種重要工具，在業務服務中，日誌更是十分重要。通常情況下，日誌主要是記錄關鍵執行點、程序執行錯誤時的現場信息等。系統出現故障時，運維人員一般先查看錯誤日誌，定位故障原因。當業務流量小、邏輯複雜度低時，應用出現故障時錯誤日誌一般較少，運維人員一般能夠根據錯誤日誌迅速定位到問題。但是，隨着業務邏輯的迭代，系統接入的依賴服務不斷增多，引

yarn hdfs聚合日誌解析 , 聚類 , 大數據 , yarn , 泛化 , 層次結構

收藏 評論

u_16213596 頭像

mob64ca13fb6939 - 人工智能 - AI版“大逃殺”！通過遊戲不斷增強AI的適應性和學習能力 - 數據堂

目的：使用多種模型比較效果優劣。 目前使用了 隨機森林，邏輯迴歸，SVC，MLP 模型，收集了 44 局遊戲數據。 特徵矩陣 X 形狀: (5195, 4032) 標籤分佈: {向左走: np.int64(1419), 向右走: np.int64(1017), 發射子彈: np.int64(2759)} 隨機森林效果很差，一直往左走。猜測是數據

隨機森林 , 泛化 , 過擬合 , Css , 前端開發 , HTML

收藏 評論

u_16213666 頭像

mob64ca140c3859 - 信息系統項目管理教程和系統架構設計

1 前言 　　本文主要是針對一個留學生信息管理與分析系統的分析與總結，主要闡述項目的完整設計方案和一些軟件結構特點，並採用不同的視圖來描述項目的軟件系統概念原型。 　　工程實踐項目介紹：工程實踐是一個關於留學生信息管理與分析的平台。該系統是為用户提供有關留學服務信息的雙邊平台，管理人員定期維護系統，學生可以通過該系統搜索學校相關信息，並根據所提供的自身信息獲得相應的留

信息系統項目管理教程和系統架構設計 , 泛化 , 設計模式 , 軟件架構 , 架構 , 後端開發

收藏 評論

u_16213661 頭像

mob64ca140b0bc8 - NeurlPS'21 | 多智能體強化學習論文整理（更新中） -

[論文筆記•(多智能體)]LLMs Can Simulate Standardized Patients via Agent Coevolution 一、一句話總結 該研究針對標準化病人（SPs）訓練醫療人員成本高、對 SP 身心健康有潛在負面影響的問題，提出EvoPatient 框架—— 一種基於多智能體協同進化的虛擬 SP 模擬方案，通過病人智能體與醫生智能體的多

泛化 , 基線 , 穩健性 , jquery , 前端開發

收藏 評論

u_16213583 頭像

mob64ca13f83523 - sharpcompress下載

目錄 概 主要內容 代碼 Foret P., Kleiner A., Mobahi H., Neyshabur B. Sharpness-aware minimization for efficiently improving generalization. In International Conference on Le

sharpcompress下載 , 泛化 , 雲計算 , 權重 , 雲原生 , ci

收藏 評論

u_16297326 頭像

虎斑嘟嘟 - 元學習中任務分佈偏移的PAC-Bayesian泛化界

元學習中任務分佈偏移的PAC-Bayesian泛化界 引言 元學習作為機器學習領域的重要分支，旨在使模型能夠從少量樣本中快速學習新任務，其核心挑戰之一便是如何在任務分佈發生偏移時保持強泛化能力。傳統機器學習理論主要關注數據分佈固定情況下的泛化分析，而元學習環境下面臨的任務分佈偏移問題則需要更深入的理論框架。PAC-Bayesian理論為這一問題提供了有力的數學工具，通

代碼實例 , yyds乾貨盤點 , 泛化 , 數據分佈 , 後端開發 , JAVA

收藏 評論

u_17420180 頭像

合合信息解決方案 - 上市城商行：攻克複雜文本處理瓶頸，國際結算業務全場景智能化

隨着全球貿易的日益頻繁與金融數字化轉型的深入，國際結算業務作為銀行服務實體經濟跨境運作的關鍵環節，其處理效率與風控水平直接關係到銀行的競爭力與運營安全。 然而，信用證、提單、報關單等業務單據格式繁雜、版式多變、專業性強，傳統依賴於人工核對與半自動化處理的方式，已成為制約業務效能提升、潛藏操作風險的明顯短板。在此背景下，運用前沿AI技術實現複雜文檔的自動化處理，已成為商業銀行

機器學習 , 字段 , 數據 , 泛化 , 人工智能

收藏 評論

u_16827017 頭像

全棧技術開發者 - 支持向量機(SVM)是否適合大規模數據？這個大量數據是如何衡量的？分佈式SVM如何保持模型一致性？SVM在大規模數據下優化策略？

在過去二十餘年中，支持向量機（Support Vector Machine, SVM）一直是統計學習與模式識別領域的重要工具。其理論基礎源自結構風險最小化原則，結合幾何間隔最大化的優化目標，使得SVM在有限樣本條件下表現出優異的泛化能力。在文本分類、圖像識別、生物信息學等多種任務中，SVM憑藉穩健的訓練性質和嚴格的數學可解釋性，曾成為學術研究和工業應用的首選方法。 然而，隨

機器學習 , 核函數 , yyds乾貨盤點 , 數據 , 泛化 , 人工智能

收藏 評論

u_16827017 頭像

全棧技術開發者 - 支持向量機是怎樣應用到數據預測中的？SVM主要是應用於數據分類，它在數據預測中起到了什麼作用？其凸二次規劃為何保證全局最優解？

在現代科學與工程領域中，數據預測已成為理論研究與實際應用的核心任務之一。隨着信息技術的發展，數據規模呈指數級增長，系統變量間的關係呈現高度非線性和複雜耦合特徵。傳統的線性迴歸或統計模型在面對高維、非線性以及噪聲干擾的數據時，往往難以提供穩定且高精度的預測結果。在這一背景下，支持向量機（Support Vector Machine, SVM）作為一種基於統計學習理論的算法，憑藉其數

機器學習 , yyds乾貨盤點 , 數據 , 泛化 , 最小化 , 人工智能

收藏 評論

u_17588526 頭像

圍爐聊科技 - Ilya Sutskever在最近訪談中的關鍵觀點及對IT技術人員的啓示

Dwarkesh Patel 與 Ilya Sutskever 近期進行了深度對話，視頻以及英文原文可以參見https://www.dwarkesh.com/p/ilya-sutskever-2 ，個人及AI輔助整理核心觀點及啓示如下。 一、訪談核心觀點 Ilya Sutskever 作為 AI 領域的頂尖學者、SSI 公司創始人，在訪談中圍繞 AI

機器學習 , it , 數據 , 泛化 , 人工智能

收藏 評論

alter 頭像

wx63f42b7e9714d - 人形機器人的2025：離“進家門”還有多遠？

站在2025年的尾聲，如果要用一個詞來形容人形機器人，“活人感”可以説是最具代表性的年度熱詞。 過去一年裏，人形機器人悄然成了無數人茶餘飯後的談資：跑步摔倒時流露出的“笨拙的可愛”，後空翻、跳街舞、打拳擊時展現的穩定和靈活，以及被懷疑是“真人套殼”的驚豔“貓步”…… 幫我們洗手作羹湯的“全能家庭保姆”，也許還停留在精心剪輯的視頻裏。人形機器人在2025年的“飛

數字化轉型 , 泛化 , G1 , 人形機器人

收藏 評論