@權重 / 博客 RSS 訂閱

Nov 20 2025

mob64ca1404baa2 - Python量化交易入門_黑馬程序員的技術博客

一、量化 1.1、目的 大模型量化的主要目的是壓縮模型參數，降低計算複雜度，提高推理效率。 存儲優化：將高精度的浮點型參數轉換為低精度的整數參數，減少模型存儲空間。 計算加速：使用低精度整數進行計算，降低計算複雜度，提高推理速度。 硬件適配：某些硬件（如嵌入式設備、移動端芯片）對低精度計算支持更好，量化可以提高 適配性。

數據 , 數位 , 權重 , 人工智能 , 前端開發 , Javascript , Python

收藏 評論

Nov 17 2025

mob64ca14163a4f - 基於鯨魚優化深度混合核極限學習機的故障診斷方法

基於極限學習機（Extreme Learning Machine, ELM）實現電路故障模式分類 一、系統架構設計 二、關鍵步驟（MATLAB代碼框架） 1. 數據預處理 % 加載電路仿真數據（以Cadence仿真結果為例） load('circuit_fault_data.mat'); % 包含電壓/電流波形及故障標籤

數據 , 權重 , Ada , 前端開發 , Javascript

收藏 評論

Nov 16 2025

墨色天香 - 【乾貨】​深度學習中的線性代數 -

1. 線性代數是什麼？ 線性代數是數學的一個重要分支，主要研究向量、矩陣、線性方程組和線性變換等概念。如果把深度學習比作一棟高樓，那麼線性代數就是這棟高樓的"鋼筋骨架"——它雖然不直接可見，卻支撐着整個建築的結構穩定性。 1.1 基本數學對象 在深度學習中，數據通常以以下幾種形式表示： 標量(Scalar)：單個數字，比如温度值25℃或者商品價格

特徵值 , 權重 , 後端開發 , 深度學習 , Python

收藏 評論

Nov 25 2025

mob64ca1404baa2 - 多路譜聚類算法 源碼

引入 　　聚類算法一般可以分為兩類： Compactness。代表的算法有 K-means，GMM 等。但這類算法只能處理凸集，為了處理非凸的樣本集，必須引⼊核技巧。 Connectivity。這類以 spectral clustering 為代表。 　　舉個例子，將下述數據採用聚類算法進行聚類，可以採用GMM 或 K-Means 的方

機器學習 , 子圖 , 切圖 , 權重 , 人工智能 , 多路譜聚類算法 源碼

收藏 評論

Nov 25 2025

程序員小2 - 終於把 LSTM 算法搞懂了！

傳統 RNN 結構簡單，但當序列較長時，誤差反向傳播會使梯度逐漸變得極小（梯度消失），導致模型無法學習長期依賴。 LSTM 通過引入精心設計的門控機制來有效地學習、記憶和遺忘信息，從而更好地捕捉序列中的長期依賴關係。 LSTM 核心原理 LSTM 的核心是細胞狀態，它就像一條傳送帶，信息在上面直接傳遞，只通過少量的線性操作，這有助於保持信息的完整性，從而

數據 , 數學公式 , 權重 , 代碼人生

收藏 評論