tag 深度學習

標籤
貢獻335
538
05:25 PM · Oct 25 ,2025

@深度學習 / 博客 RSS 訂閱

青否Ai - 羅永浩數字人斬獲世界互聯網大會科技大獎,AI直播商業化迎來新標杆!

此次獲獎的羅永浩數字人,並非簡單的形象復刻產物。 使用數字人分身進行直播,該數字人最核心的突破在於“形神兼備”的超寫實表現——不僅在面部神態、肢體動作上高度還原羅永浩本人的直播風格,更通過deepseek大模型的深度賦能,精準復刻了其獨特的語言邏輯、產品講解風格甚至臨場互動技巧。 在2025年6月的直播首秀中,數字人羅永浩與助播搭檔連續直播6個半小時,完成超8300個動作,調用知識庫1.3萬次,生

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

華明視訊科技 - 2025年國內口碑不錯的智能閘口系統廠家推薦

隨着智慧物流、智慧口岸建設的不斷深入,智能閘口作為物流鏈的關鍵節點,其效率和準確性直接關係到整個作業流程的順暢。2025年,面對市場上眾多的智能閘口系統供應商,企業該如何選擇一家既靠譜又專業的合作伙伴?今天,我們就為大家推薦兩家在業內擁有極佳口碑和深厚技術底藴的深圳企業。 一、孚為智能科技 如果您追求的是一家技術紮實、深耕垂直領域的高科技企業,那麼深圳市孚為智能科技有限公司絕對是一個值

機器學習 , 圖像識別 , 神經網絡 , 人工智能 , 深度學習

收藏 評論

星星上的柳樹 - 精通CTS與低功耗時鐘設計

1、CTS在數字化時代的重要性 在數字化時代,IC(集成電路)設計日趨複雜,性能與功耗成為設計中的核心挑戰。時鐘樹合成(CTS,Clock Tree Synthesis)作為物理實現流程中的關鍵環節,其目標是建立一個時鐘分佈網絡,讓時鐘信號同步、穩定地傳遞至每個觸發器或寄存器。高效的CTS能夠顯著降低時鐘偏斜(skew)與抖動(jitter),保證芯片在高頻環境下仍能可靠運行 。 與此同時,

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

拓端tecdat - 專題:2025AI時代的醫療保健業:應用與行業趨勢研究報告|附130+份報告PDF、數據、可視化模板彙總下載

原文鏈接:https://tecdat.cn/?p=44257 原文出處:拓端抖音號@拓端tecdat 2025年的醫療保健行業,正站在“壓力”與“機遇”的十字路口:一邊是中國65歲及以上人口占比將從15.6%飆升至2070年的42%,慢性病護理需求快壓垮現有體系;一邊是AI技術從“概念熱”走到“落地實”,醫療AI投資佔比4年翻倍至40%,成了破局的關鍵。 引言 本報告洞察基於《Ro

機器學習 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

容智信息 - 企業智能體落地指南——拆解7大關鍵問題,附實戰避坑策略

在企業智能化轉型的進程中,智能體(AI/RPA等智能應用)本應是撬動效率與價值的槓桿,但不少企業管理層卻因踩入隱性“深坑”,導致項目延期、投入打水漂甚至引發業務風險。容智信息基於數百個企業智能化項目的實戰覆盤,提煉出智能體落地最容易踩的7大深坑及避坑核心思路,助力企業管理層在智能體佈局中“避坑增效”,讓數字化投入真正轉化為業務增長動能。 部分企業為追求“全自動化”,將核心業

機器人 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

deephub - 基於 LangGraph 的對話式 RAG 系統實現:多輪檢索與自適應查詢優化

RAG(Retrieval-Augmented Generation)在語言模型應用中已經相當成熟,但傳統實現往往只是簡單的"檢索-生成"流程。實際對話場景要複雜得多——用户的問題可能含糊不清,或者會頻繁追問,還經常提些不相關的內容。 這篇文章會展示怎麼用 LangGraph 構建一個具備實用價值的 RAG 系統,包括能夠處理後續追問、過濾無關請求、評估檢索結果的質量,同時保持完整的對話記憶。 傳

generative-ai , llm , 人工智能 , 深度學習 , langchain4j

收藏 評論

憂鬱的吐司 - 青否雙AI數字人開啓“主播+助播”新時代,打造超硬核直播體驗!zhibo 175

一場直播,兩位主播,一個講解專業細緻,一個捧場互動熱烈——這不是傳統直播團隊的標配,而是青否數字人帶來的AI直播新範式。 在數字人技術蓬勃發展的今天,青否突破了單數字人直播的侷限,創新性地實現了雙AI數字人協同直播,讓“主播+助播”的精準分工在虛擬世界完美重現。(青否數字人源頭v:zhibo175) 從“一人説”到“兩人搭”,AI協作邏輯重塑直播體驗(青否數字人源頭v:zhibo175) 青否數

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

憂鬱的吐司 - 數字人直播618戰績曝光:羅永浩AI分身帶貨5500萬 轉化率飆升48%!

成本不到真人十分之一,轉化率卻提升三成,2025年的618大促已被數字人主播徹底改寫遊戲規則。 “凌晨三點的直播間,數字人主播仍在滔滔不絕地介紹產品,觀眾停留時長反超黃金時段28%。”今年618期間,抖音某國貨彩妝品牌的數字人“小美”創下了37天連續直播、銷售額2600萬的驚人紀錄。 這只是今年618大促中的一個縮影。從京東、百度到快手、抖音,數字人主播已從邊緣補充角色升級為電商核心生產力。羅永浩

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

憂鬱的吐司 - 數字人直播屢遭封禁?揭秘背後核心原因給出解決方案!

在AI浪潮下,數字人直播成為電商直播新風口。不少用户的數字人直播間卻遭遇平台封禁,甚至被永久封號。這讓人疑惑:數字人直播合規嗎?平台允許嗎? 實際上,數字人直播本身不違規。抖音、快手、淘寶等主流及新興平台均未禁止或限制。多數數字人直播間違規,主要是觸犯以下幾類平台規定:(青否數字人源頭v:zhibo175) 1、直播內容違法違規,這是最嚴重的違規類型: 涉及色情、暴力、恐怖等違背公序良俗的內容 詐

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

青否Ai - 青否雙AI數字人開啓“主播+助播”新時代,打造超硬核直播體驗!

一場直播,兩位主播,一個講解專業細緻,一個捧場互動熱烈——這不是傳統直播團隊的標配,而是青否數字人帶來的AI直播新範式。 在數字人技術蓬勃發展的今天,青否突破了單數字人直播的侷限,創新性地實現了雙AI數字人協同直播,讓“主播+助播”的精準分工在虛擬世界完美重現(青否數字人源頭:zhibo175)。 從“一人説”到“兩人搭”,AI協作邏輯重塑直播體驗 青否數字人通過深度復刻真人直播協作方式,讓雙A

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

星星上的柳樹 - 芯片省電實戰指南

在日益追求高性能與能效的半導體時代,Power 優化已成集成電路(IC)設計的核心競爭力。從提升性能和可靠性,到延長移動設備電池壽命、降低成本,先進的省電技術讓 IC 更加智能高效。 1、強健電源網格設計:穩定供電先鋒 為了確保芯片每塊區域穩定供電、減少電壓降,你需要構建強健的電源網格。藉助工具(如 Cadence Innovus)進行電網布局優化與 動態電壓降分析,可有效提升

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

拓端tecdat - Python梯度提升樹、XGBoost、LASSO迴歸、SVM預測中國A股上市公司數據研發融合CEO與公司特徵及SHAP可解釋性

全文鏈接:https://tecdat.cn/?p=44265 原文出處:拓端數據部落公眾號 分析師:Liu Qing 引言 在創新驅動發展戰略深入推進的當下,企業研發投入成為經濟高質量發展的核心動力,而研發費用加計扣除、高新技術企業税收優惠等政策,既激發了企業創新活力,也催生了部分企業的研發操縱行為。這類通過虛增研發支出、調整會計處理方式套取政策紅利的行為,不僅導致創新資源錯配,還

機器學習 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

拓端tecdat - 專題:2025中國醫療器械出海現狀與趨勢創新發展研究報告|附160+份報告PDF、數據、可視化模板彙總下載

原文鏈接:https://tecdat.cn/?p=44279 原文出處:拓端抖音號@拓端tecdat 2024年,中國醫療器械行業正站在“從本土領先到全球突圍”的關鍵節點——一邊是邁瑞醫療把監護儀賣到190多個國家,海外營收佔比超48%;一邊是不少企業卡在歐盟MDR認證環節,臨牀數據補了3次仍未通過。這種“一邊風光一邊難”的反差,本質是全球醫療需求擴張與國內競爭加劇的必然結果。 引言

數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

底層邏輯探索 - 2025智能化數據安全治理:平台技術與選型指南

隨着《數據安全法》《個人信息保護法》及《網絡數據安全管理條例》的不斷推進,數據安全已經成為企業構建數據治理體系的核心基礎設施。2025年的市場格局呈現出三個顯著特徵:平台化整合替代碎片化工具、AI驅動的智能分析成為標配、全生命週期防護能力決定競爭力。在這一背景下,本文將從技術架構、合規適配、場景覆蓋等維度,對國內主流數據安全平台進行深入評析和推薦。 一、技術演進與核心能力要求 隨着數據安全形

深度學習

收藏 評論

底層邏輯探索 - 教育行業數據庫風險監測方案——基於行標、非侵入式、多維度場景化的安全治理新模式

一、概要: 在教育數字化的新時代,數據已成為學校運行、教學管理和政策決策的核心資產。然而,隨着教育數據規模和複雜度的激增,數據庫安全風險日益凸顯——從敏感信息泄露到訪問濫用,從影子數據庫到權限越權,風險事件層出不窮。傳統的安全防護多停留在外圍防線,無法實現對數據庫層面的精細化風險監測與動態防控。 知形-數據庫風險監測系統,以“基於行標、非侵入式、多維度場景化”的技術理念為核心,構建了一

深度學習

收藏 評論

底層邏輯探索 - AI驅動的技術突破:打造先進且合規的醫療數據分類分級新範式

一、概要: 在數字醫療快速發展的時代,醫療數據正成為推動臨牀診療、科研創新與醫院管理的核心生產要素。如何在保障數據安全與隱私的前提下,實現數據的高效流通與智能治理,成為行業面臨的關鍵命題。 知源-AI數據分類分級系統,結合醫療行業的合規要求與業務特性,打造從數據全量發現、智能分級、合規審查到多系統聯動應用的完整閉環。通過技術創新實現“分類服務臨牀”的目標,幫助醫療機構在合規基礎上釋放數

深度學習

收藏 評論

底層邏輯探索 - 全景式數據庫風險監測的理論與實踐:加密防禦與低誤差識別的安全革新

(提示:數據庫風險監測正在成為企業數字化安全體系的核心樞紐,其加密防禦、低誤差識別與全景式分析能力,正推動數據安全管理從被動響應走向主動防禦。) 摘要: 在數字經濟的高速演進中,數據庫已成為企業最關鍵的資產載體。無論是金融交易記錄、醫療病歷檔案,還是互聯網平台的用户行為數據,都以數據庫為中心進行存儲與調用。然而,這些寶貴的數據同時也成為網絡攻擊與內部違規操作的重點目標。傳統的安全機制,

深度學習

收藏 評論

逐夢AI - 基於 YOLOv8 的焊接表面缺陷檢測|完整源碼數據集+PyQt5界面+完整訓練流程+開箱即用!

基於 YOLOv8 的焊接表面缺陷檢測|完整源碼數據集+PyQt5界面+完整訓練流程+開箱即用! 源碼包含:完整YOLOv8訓練代碼+數據集(帶標註)+權重文件+直接可允許檢測的yolo檢測程序+直接部署教程/訓練教程 源碼在文末嗶哩嗶哩視頻簡介處獲取。 nc: 3 names: [ '焊接不良', '焊接良好', '焊接缺陷' ] 項目摘要 本項目結合 YOLOv8 檢測模型 與 P

機器學習 , 深度學習

收藏 評論

逐夢AI - 基於YOLOv8的牛行為檢測識別項目|完整源碼數據集+PyQt5界面+完整訓練流程+開箱即用!

基於YOLOv8的牛行為檢測識別項目|完整源碼數據集+PyQt5界面+完整訓練流程+開箱即用! 源碼包含:完整YOLOv8訓練代碼+數據集(帶標註)+權重文件+直接可允許檢測的yolo檢測程序+直接部署教程/訓練教程 源碼在文末嗶哩嗶哩視頻簡介處獲取。 本系統通過 PyQt5 圖形界面 提供多種輸入方式,包括: 圖片識別:單張或批量圖片檢測牛的行為狀態。 文件夾識別:批量處理指定文件夾內的圖

機器學習 , 人工智能 , 深度學習

收藏 評論

逐夢AI - 基於YOLOv8的可回收瓶類垃圾快速識別與自動化分揀|完整源碼數據集+PyQt5界面+完整訓練流程+開箱即用!

基於YOLOv8的可回收瓶類垃圾快速識別與自動化分揀|完整源碼數據集+PyQt5界面+完整訓練流程+開箱即用! 源碼包含:完整YOLOv8訓練代碼+數據集(帶標註)+權重文件+直接可允許檢測的yolo檢測程序+直接部署教程/訓練教程‘ 源碼在文末嗶哩嗶哩視頻簡介處獲取。 本系統支持在多種場景下進行實時瓶類識別與分類: • 圖片識別 • 文件夾批量檢測 • 視頻流檢測 • 攝

機器學習 , 人工智能 , 深度學習

收藏 評論

沉着的牙膏 - 智能識別與持續合規:構建運行平穩的API風險監測體系

(提示:在數字化浪潮下,API風險監測系統正成為企業實現穩定運營與合規治理的關鍵基石。) 概要:隨着數字經濟的持續發展,數據已經成為企業最重要的生產要素之一,而API(應用程序接口)作為數據流通的“高速通道”,支撐着業務系統間的交互與協同。從銀行轉賬、在線購物到智慧政務,幾乎所有數字化服務都離不開API的參與。與此同時,接口暴露面急劇擴大,安全威脅也隨之增加。API漏洞被利用導致的數據泄露、

深度學習

收藏 評論

deephub - AI智能體落地:Agent-Assist vs 全自動化完整決策指南

今年開始LLM驅動的Agentic AI發展速度非常驚人。而我們現在面臨一個實際問題:到底是上全自主的AI智能體,還是讓人類繼續參與決策?從大量實際案例來看Agent-Assist(也就是Human-in-the-Loop系統)既能帶來自動化的效率提升,又能有效規避那些可能造成重大損失的錯誤。 而且如果系統設計得當的化,還可以從人類每次糾正中學習,持續積累組織自己的專業知識庫。 概念回顧

llm , agent , 人工智能 , 深度學習

收藏 評論

Baihai_IDP - 面向 LLM 的 GPU 系統工程方法論

編者按: 我們今天為大家帶來的文章,作者的觀點是:GPU 工程的核心不在於手寫內核的能力,而在於構建系統設計思維 —— 理解從模型定義到硬件層的完整技術棧如何協同工作。 作者提出了一個五層漸進式調試框架:從模型定義(Model Definition)入手,識別計算與內存瓶頸;進入並行化(Parallelization)階段,解決多卡同步問題;深入運行時編排(Runtime Orchestra

觀點 , llm , 知識 , 人工智能 , 深度學習

收藏 評論

星星上的柳樹 - 優構芯片可靠出廠

1、製造之重,可“芯”可鑑 在集成電路設計中,“製造性”不是錦上添花,而是確保設計“可產出、可盈利”的關鍵。DFM(Design for Manufacturability)與 CMP(Chemical-Mechanical Planarization)正是保障芯片設計順利轉入量產的雙保險。 藉助 EDA Academy(網址:www.eda-academy.com),您可以深入學習這些職場

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論