tag 人工智能

標籤
貢獻960
1360
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 rtedevcomm 頭像 xingxingshangdeliushu 頭像 tecdat 頭像 chaoshenjinghyperai 頭像 u_15591470 頭像 u_17579295 頭像 u_17512334 頭像 lab4ai 頭像

@人工智能 / 博客 RSS 訂閱

u_17569005 頭像

wx6906fb3f9b17a - 多奧方案通過智能梯控系統與機器人之間的緊密協作，實現了機器人自主乘梯的智能化、高效化，為智慧建築的發展提供了有力支持。我們期待與各方合作伙伴攜手共進，共同推動智能機器人乘梯控制技術的創新與應用。

機器人（狗）AGV\AMR乘梯控制系統方案設計書 前言 智能機器人乘梯控制系統是助力機器人（包括機器狗、AGV、AMR等）在複雜建築環境中實現自主垂直通行的核心技術。其核心功能在於幫助機器人精準獲取電梯的實時樓層信息、轎廂門開關狀態，並能自主完成呼叫電梯、登記目的樓層等操作，從而實現機器人在不同樓層間的無縫轉運與作業。 隨着人工智能與物

梯控 , 機器人 , AMR , 機器狗 , 人工智能 , 深度學習 , AGV

收藏 評論

whaosoft143 頭像

whao143 - 51c~視覺~紅外小目標檢測~合集1

一、PyIRSTDMetrics Infrared Small Target Detection, IRSTD 2025論文拷問紅外小目標檢測評估標準 今天我們不聊新模型，不説又刷了幾個點的SOTA，咱們來聊點更根本的：我們衡量SOTA的方式，真的對嗎？ 在計算機視覺裏，有個領域叫“紅外小目標檢測”（Infrared Small

紅外 , 視覺 , 人工智能 , 計算機視覺 , 目標檢測

收藏 評論

mangrandedanche 頭像

數據庫分享小北 - 告別碎片化運維！阿里雲DAS Agent助力10萬+用户邁入多雲數據庫AI-Native運維時代

導語 你的數據庫，是不是散落在阿里雲、本地IDC和他雲？ 阿里雲提供了各類數據庫產品，如PolarDB、RDS、Redis、MongoDB等，因引擎特性不同，監控與診斷邏輯各有側重；一旦在業務中進一步疊加本地 IDC 的 SQL Server、他雲等系統，監控平台五花八門、告警規則互不相通，運維變得像“拼圖”。 現在，有解了。 阿里雲數據庫自治服務DAS Agent，通過 AI 能力實現跨雲、跨引

觀點 , 資訊 , 數據庫 , 人工智能

收藏 評論

u_16099212 頭像

智慧編織者 - 在STM32Cubemx中開發STM32H750 RTC為什麼沒有配置日曆選項

目錄 一、RTC簡介 1、RTC含義 2、RTC特徵 3、RTC原理框圖 3、RTC具體流程 4、 RTC時鐘選擇 5、RTC復位過程 6、RTC中斷 二、STM32CubeMX配置RTC 1、配置RCC 2、配

機器學習 , data , 實時音視頻 , 單片機 , stm32 , 人工智能 , 2d

收藏 評論

u_16099227 頭像

雲端創新者 - 圖像識別兩條線有沒有搭接

  在家中擁有一份類似於下圖的定製黑白或彩色線條裝飾地圖，可以説是一件非常賞心悦目的事情；而這類定製裝飾地圖往往都具有比較高的價格，總是讓我們望而卻步。這時，我們可以嘗試自己獲取相關地圖素材，DIY一份屬於自己的定製地圖。   而自己製作這樣一份定製裝飾地圖最大的問題就是——如何獲取地圖中的道路、建築、水體等線條呢？本文就介紹幾種獲取地圖中

線條地圖 , 圖像識別兩條線有沒有搭接 , 線稿地圖 , 人工智能 , 計算機視覺 , 路網 , 地圖輪廓

收藏 評論

JavaEdge 頭像

JavaEdge - 推出 Google Antigravity —— AI 輔助軟件開發的新紀元

每一次編程智能模型的進步，都讓我們重新思考開發應當如何進行。如今的集成開發環境（IDE），已與幾年前的版本截然不同。我們的最先進模型 Gemini 3 標誌着“智能體式編程”（agentic coding）的重大跨越，也促使我們思考 IDE 的下一個躍遷應當是什麼樣。 今天，我們正式推出 Google Antigravity —— 全新的智能體開發平台。它的核心仍然是一個由

yyds乾貨盤點 , google , 人工智能 , 深度學習 , 代碼補全 , 開發者

收藏 評論

u_16163442 頭像

datian1234 - 必學收藏！大模型工程師必看：上下文工程2.0，從Prompt到AI Agent的完整指南！

前言 Context Engineering 2.0: The Context of Context Engineering 今天我們要探討一篇非常有前瞻性和系統性的論文：《上下文工程2.0：上下文工程的“上下文”》（Context Engineering 2.0: The Context of Context En

AI大模型 , 後端開發 , 人工智能 , 大模型入門 , prompt , harmonyos , 大模型學習

收藏 評論

u_16099326 頭像

編程小天才 - 一個vue項目配置rem 既能做移動端也能做PC端

目錄 第二篇完成度 Mock模擬數據 源碼: 折線圖 圖例 X軸 series配置數據 源碼 柱狀圖 template js mounted 餅圖 template js mounted 完整效果 第二篇完成度 接下來

機器學習 , 項目 , Vue , 開發技巧 , 人工智能 , 開源項目 , 前端

收藏 評論

rtedevcomm 頭像

RTE開發者社區 - 構建擁有記憶的端到端實時語音助手：TEN Framework + memU 教程丨社區來稿

實時語音模型讓我們可以輕鬆構建能即時響應的語音助手Agent。但如果想讓一個語音助手真的有“用”，僅僅能聽和説還不夠——它必須擁有記憶。 在本教程中，你將使用 TEN Framework + memU 構建一個具備實時語音能力與長期記憶的智能Agent，它可以記住和你發生的一切對話內容。 你將構建 基於本教程的實時語音 + 記憶 Pipeline，你可以將 Agent 擴展為： AI 夥伴

人工智能

收藏 評論

zhuifengdekaomianbao 頭像

張老師講數字孿生 - 古今對話！都江堰治水智慧借數字孿生實現現代化躍遷

2024年10月，中央紀委國家監委網站刊登 《全國水利數據底板基本建成》 一文，重點介紹了都江堰渠首數字孿生系統在防汛調度中的成功應用，標誌着我國數字孿生水利建設從先行先試進入全面深化新階段。 公元前256年，李冰父子修建都江堰，以 “深淘灘、低作堰”的治水智慧實現了人與自然的和諧共生。2200多年後的今天，都江堰灌區建成了覆蓋26.7平方公里的數字孿生系統，通過數字線程將千年治水經驗轉化

數字化轉型 , 觀點 , 知識 , 人工智能 , 前端

收藏 評論

u_16099279 頭像

夜行者3號 - jemeter 高併發測試 JSR223 Sampler 執行成功 為什麼沒有執行http請求呢

一，測試的url地址説明： 1,這是一個秒殺功能的url： http://127.0.0.1:8080/second/skusecond?actid=2020skuid=cpugreenbuynum=2userid=1peractlim=3perskulim=2 説明：這裏面有兩個參數需要我們設置成隨機選取值： buynum

機器學習 , 線程組 , 測試計劃 , 人工智能 , 右鍵菜單

收藏 評論

qeasy_cloud 頭像

大仲馬小茶花 - 史上最全各大AI模型對數據集成平台分析彙總

在數據驅動的時代，數據集成已從後台支撐角色躍升為企業數字化轉型的核心引擎。面對日益複雜的異構系統、爆炸式增長的數據量以及對實時性的嚴苛要求，傳統ETL工具逐漸力不從心，而融合AI能力的新一代數據集成平台正加速崛起。各大人工智能模型——從通義千問、文心一言到Kimi、DeepSeek、ChatGLM、豆包、騰訊元寶等——紛紛以自身技術視角切入這一領域，不僅對主流平台（如輕易雲、DataWorks、F

數據庫 , 人工智能 , 程序員

收藏 評論

u_12192 頭像

angel - mtd overlay 是什麼

20179214 2017-2018-2 《密碼與安全新技術》第三次作業 課程：《密碼與安全新技術》 班級： 201792 姓名： 劉勝楠 學號：20179214 上課教師：謝四江 上課日期：2018年3月29日 必修/選修： 選修 學習內容總結 網絡空間

mtd overlay 是什麼 , 數據 , 雲計算 , 人工智能 , 雲原生 , 模態

收藏 評論

u_15879876 頭像

Aloudata - ChatBI 走向落地，企業如何打造一個可信智能的數據分析夥伴？

摘要：在數據驅動決策的時代，傳統 BI 工具因操作複雜、學習成本高，逐漸被業務人員“敬而遠之”。以自然語言交互為核心的 ChatBI（對話式商業智能）正以“零門檻、實時響應、智能洞察”等優勢席捲市場，用户無需掌握 SQL 語言或複雜的數據模型，只需通過對話的方式即可完成數據查詢、歸因分析、預測決策等，推進數據民主化。 但隨着 ChatBI 市場爆發式增長，一些問題逐漸浮現：

數據 , 人工智能 , 數據分析 , 智能問數 , SQL , chatbi

收藏 評論

jeecg 頭像

JEECG低代碼平台 - JeecgBoot 低代碼 v3.9.0 里程碑發佈：支持 MCP 與插件，AI 聊天式業務，POI 升級至 5 版

項目介紹 JeecgBoot是一款集成AI應用的，基於BPM流程的低代碼平台，旨在幫助開發者快速實現低代碼開發和構建、部署個性化的 AI 應用。 前後端分離架構Ant DesignVue3，SpringBoot，SpringCloud，Mybatis，Shiro，強大的代碼生成器讓前後端代碼一鍵生成，無需寫任何代碼！ 成套AI大模型功能: AI模型、AI應用、知識庫、AI流程編排、AI對話等； 引

jeecg-boot , 低代碼 , ai開發 , 人工智能 , 低代碼開發平台

收藏 評論

u_16213562 頭像

技術極客傳奇 - vue3 為什麼推薦script在前 template在後

1、vue3中的setup有什麼用? setup的設計是為了使用組合式api 2、為什麼不用之前的組件的選項 data、computed、methods、watch 組織邏輯在大多數情況下都有效。然而，當我們的組件變得更大時，邏輯關注點的列表也會增長。這可能會導致組件難以閲讀和理解，尤其是對於那些一開始就沒有編寫

機器學習 , 生命週期 , 優先級 , 數據 , Vue , 人工智能

收藏 評論

u_16213570 頭像

藍色憂鬱花 - 使用Cursor進行Python學習 自動生成代碼

作為程序員，每天都要面對各種稀奇古怪的bug。最近我發現了一個能極大提升調試效率的工具——Cursor編輯器，特別是它的自動調試功能，簡直像是有個編程助手坐在旁邊幫你排查問題。 初識Cursor的調試能力 第一次使用Cursor時，我正被一個Python數據處理的bug困擾了兩個小時。那個錯誤信息讓人摸不着頭腦：“KeyError: 'user_id'”，

數據 , 測試環境 , 人工智能 , 前端開發 , Javascript

收藏 評論

u_16018702 頭像

架構師李哲 - 最佳實踐丨讓蘇東坡"復活"！我用Qwen3-8B實現了與千古文豪的跨時空對話

"你是誰？" "我是一個多才多藝的文學家、書法家和畫家，生活在北宋時期。我是蘇東坡，我……" 這不是穿越劇的台詞，而是藉助大模型技術實現的真實對話。在人工智能的賦能下，千年前的文豪蘇東坡以“數字分身”的形式“復活”，與今人吟詩作對、暢談人生，展開一場跨越時空的交流。 這是微調前大模型的回答。此時的模型如同一個精準的“知識庫”，回答客觀

AIGC二三事 , 數據集 , 數據 , 大模型微調 , 人工智能 , 深度學習

收藏 評論

u_16213609 頭像

mob64ca13fe9c58 - Transformer架構詳解

Transformer架構概述 Transformer架構主要的功能是高效地完成某些自然語言分析任務，比如英語到德語和英語到法語的翻譯任務，這裏要注意的是，大語言模型（LLM）不等於Transformer，我個人認為Transformer可以算是一種從預訓練數據中更好提取信息的方式，因此當我們在瞭解Transformer架構時，其中一個重要關注點是

AI , 系統架構 , 人工智能 , transformer , 深度學習

收藏 評論

lab4ai 頭像

Lab4AI - 小模型驅動大智能：NVIDIA新研究實現2.5倍效率提升，成本直降70%

小模型驅動大智能：NVIDIA新研究實現2.5倍效率提升，成本直降70% 論文標題：ToolOrchestra: Elevating Intelligence via Efficient Model and Tool Orchestration 作者團隊：英偉達、香港大學 發佈時間：2025年11月27日 👉一鍵直達論文 👉Lab4AI大模型實驗室論文閲讀 ⭐論文簡介 大語言模型在解決深度

人工智能

收藏 評論

u_16099226 頭像

雲端夢想實現家 - Hopper Disassembler試用版如何使用

教程背景： 第一部分Hopper disassember動態調試：3 第二部分LLDB動態調試14 第三部分使用Radare2動態調試27 第四部分分析整理算法32 第五部分使用Python編寫keygen34 第六部分使用Swift編寫keygen36 教程背景： 在Youtube閒逛時，無意間發現了飄雲

機器學習 , 字符串 , 動態調試 , 人工智能 , desktop

收藏 評論

u_16099316 頭像

數據探索先鋒 - 深度學習特徵維數參數的設置

特徵向量：設A是n階方陣，如果有常數λ和n維非零列向量α的關係式Aα=λα成立，則稱λ為方陣A的特徵值，非零向量α稱為方陣A的對應於特徵值λ的特徵向量。 特徵值分解： 在python中使用numpy工具就可以實現。 降維 定義：將數據的特徵數量從高維轉換為低維。 作用：解決高維數據的維度災難問題的一種手段；能夠作為一種特徵抽

數據集 , 數據 , 深度學習特徵維數參數的設置 , 人工智能 , 方差 , 深度學習

收藏 評論

u_17423871 頭像

美狐美顏SDK開放平台 - 直播美顏sdk背後的核心能力：人臉關鍵點識別原理與工程實現

在直播行業高度內卷的今天，美顏早已不是“錦上添花”的功能，而是決定用户是否願意停留、是否敢開播、是否願意付費的基礎能力。 當我們在直播間裏看到主播膚色自然、五官立體、表情靈動，甚至在大幅度轉頭、低光環境下依然穩定輸出時，真正支撐這一切的，並不是簡單的濾鏡疊加，而是一整套以人臉關鍵點識別為核心的實時視覺算法體系。 本文將從原理+工程實現兩個維度，拆解直播美顏sdk背後的

視頻美顏sdk , 美顏api , 人工智能 , 直播美顏sdk , 計算機視覺 , 第三方美顏SDK , 在51CTO的第一篇博文 , 美顏SDK

收藏 評論