半监督

MiniMind

SFT数据：SFT（SupervisedFine-Tuning）数据集，用于监督式微调，可以提高模型在特定任务上的性能。DPO数据1和DPO数据2：这两个数
亚伯拉罕·黄肯·2025-03-22 14:46

DeepSpeed-Chat：Reward Model【奖励模型】

第二阶段：奖励模型微调奖励模型(RM)微调类似于第一阶段有监督微调(SFT)。
u013250861·2025-03-22 13:31

【机会约束、鲁棒优化】机会约束和鲁棒优化研究优化【ccDCOPF】研究（Matlab代码实现）

⛳️座右铭：行百里者，半于九十。
科研_G.E.M.·2025-03-22 11:48

基于交替方向乘法（ADMM）的PAPR约束下传输波束成形器设计的方法研究（Matlab代码实现）

⛳️座右铭：行百里者，半于九十。本文目录如下：目录1概述2运行结果3参考文献4Matlab代码、数据、文章下载1概述上一次介绍的是用Python代码编程的，这次用Matlab代码实现。
创新优化代码学习·2025-03-22 11:47

二分查找算法

1.2.1查找区间右端点2.模版题2.1数的范围2.2数的三次方根3.典题3.1机器人跳跃问题3.2分巧克力4.课后题1.二分查找算法的介绍1.1算法思路假设目标值在闭区间[l,r]中，每次将区间长度缩小一半，
WH牛·2025-03-22 09:54

【大模型系列】SFT（Supervised Fine-Tuning，监督微调）

欢迎来到我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。推荐:kwan的首页,持续学习,不断总结,共同进步,活到老学到老导航檀越剑指大厂系列:全面总结java核心技术,jvm,并发编程redis,kafka,Spring,微服务等常用开发工具系列:常用的开发工具,IDEA,Mac,Alfred,Git,
Kwan的解忧杂货铺@新空间代码工作室·2025-03-22 02:20

【人工智能机器学习基础篇】——深入详解无监督学习之降维：PCA与t-SNE的关键概念与核心原理

深入详解无监督学习之降维：PCA与t-SNE的关键概念与核心原理在当今数据驱动的世界中，数据维度的增多带来了计算复杂性和存储挑战，同时也可能导致模型性能下降，这一现象被称为“维度诅咒”（CurseofDimensionality
猿享天开·2025-03-21 13:25

兵器室门禁管理系统/智慧库室管控系统

智慧营区库室联管联控系统对营区库室安全管理意义重大，它集成指纹、人脸、动态密码等多元身份识别技术，实现严谨门禁管控，非法开门即报警，断网也能保安全；整合多种报警设备，自动布防，全方位监测入侵；具备视频交互与监控功能，方便沟通和监督
立控信息·2025-03-21 13:54

应用netdxf（C#）实现dxf文件读写-6、注释和标注

实现思路：实例化相应注释类（直线、角度、点延申、半/直径），并加入DxfDocument对象中。
MariaWu2020·2025-03-21 12:12

CVPR 2024 | 低分辨率引领方向：通过自监督学习提升超分辨率的泛化能力

论文信息题目：Low-ResLeadstheWay:ImprovingGeneralizationforSuper-ResolutionbySelf-SupervisedLearning低分辨率引领方向：通过自监督学习提升超分辨率的泛化能力作者
小白学视觉·2025-03-21 10:57

C#抖音无水印视频地址解析

实现最简单的半手工方式获取抖音无水印视频地址。纯C#代码，无任何第三方控件，一看就会，很简单。主要代码来自于https://blog.csdn.net/qq_15555767博主。
longsky·2025-03-21 01:12

贪心算法：将数组和减半的最少操作次数

每一次操作中，你可以从nums中选择任意一个数并将它减小到恰好一半。（注意，在后续操作中你可以对减半过的数继续执行操作）请你返回将nums数组和至少减少一半的最少操作数。
神里流~霜灭·2025-03-20 22:20

服务器使用宝塔上传文件时卡住了的解决办法

还有一种情况是上传到一半失败了，这时报了一个磁盘空间不足的错。
Frozen-tzy·2025-03-20 20:33

知识库在意图识别中扮演着**数据支撑**和**语义理解辅助**的双重角色

标注样本：知识库包含大量用户对话历史及其对应的意图标签，是训练监督学习模型的核心数据源。2
PersistDZ·2025-03-20 18:47

含光热电站、有机有机朗肯循环、P2G的综合能源优化调度（Matlab代码实现）

⛳️座右铭：行百里者，半于九十。
创新优化代码学习·2025-03-20 16:27

算法入门——二分法

在用dp学习之后总结了一下二分法二分查找关键总结一、核心思想分治策略：每次将搜索范围缩小一半，适用于有序数组。时间复杂度：O(logn)，比线性查找高效得多。
Able Zhao 650829·2025-03-20 15:54

金三银四快过去一半了，是时候加把劲了

从复旦春招会的15000+岗位争夺战，到AI算法岗年薪百万的“神仙打架”，再到游戏行业20:1的残酷竞争比，今年的金三银四像极了《三体》里的黑暗森林：机会看似遍地，但稍有不慎就成了别人的“背景板”。但现实真的是“投晚了就凉了”吗？数据告诉你真相：智联研究院统计显示，算法工程师、机器人算法工程师等岗位需求同比激增44%，而中小企业的“捡漏窗口”才刚开启。这半个月，我整理了20+场面试实录（含小鹅通、
·2025-03-20 14:26

solution的一知半解

1.solution作为“解决办法；解答”意义时，后接介词to,for,of均可Perhapseconomyisthesolutionof/toyourfinancialtroubles.也许节约是解决你财务困难的办法。Thereseemstobenosolutiontotheproblem.这个问题似乎没有解决的办法。Wehavenowworkedoutabettersolutionforthe
zilan23·2025-03-20 13:00

机器学习之KMeans算法

算法的优缺点4.1优点4.2缺点5.KMeans算法的应用场景5.1图像分割5.2市场细分5.3文档聚类5.4异常检测6.Python实现KMeans算法7.总结引言KMeans算法是机器学习中最经典的无监督学习算法之一
知舟不叙·2025-03-19 21:24

程序员不用写代码？DeepSeek这个隐藏功能让我惊掉下巴

凌晨三点半，显示器蓝光映着我的黑眼圈。就在我第18次修改接口文档时，同事老王突然在微信甩来个神秘链接："用这个，今晚能睡个好觉"。
·2025-03-19 21:29

探索AI知识库的无限潜力：定义、应用与未来展望

它不仅包含了大量的结构化、半结构化和非结构化数据，还具备智能检索、推理分析、自我学习和优化等高级功能。
·2025-03-19 16:15

【Hinton论文精读】The Forward-Forward Algorithm: Some Preliminary Investigations-202212

3Forward-Forward算法3.1使用逐层优化函数学习多层表示4Forward-Forward算法的实验4.1反向传播baseline4.2FF算法的一个简单的无监督的例子4.3FF算法的一个简单的监督例子
tyhj_sf·2025-03-19 16:40

【优化选址】基于多目标遗传NSGAII、多目标免疫遗传算法求解考虑成本、救援时间和可靠性的海上救援选址多目标优化问题研究（Matlab代码实现）

⛳️座右铭：行百里者，半于九十。
荔枝科研社·2025-03-19 14:25

python 使用Nginx和uWSGI来运行Python应用

它支持WSGI协议，同时它也支持自有的uWSGI协议，该协议据说性能非常高，而且内存占用率低，为mod_wsgi的一半左右，我没有实测过。它还支持多应用的管理及应用的性能监控。
weixin_33738555·2025-03-19 14:54

光伏储能直流系统MATLAB仿真（PV光伏阵列+Boost DCDC变换器+负载+双向DCDC变换器+锂离子电池系统）

⛳️座右铭：行百里者，半于九十。
yyds_2201·2025-03-19 13:48

题解 | 牛客周赛 Round 49 DEF Java题解

面试又黄了反正不是什么喜欢的工作[牛泪]面试又黄了反正不是什么喜欢的工作2024秋招数据开发第一波面试题露出#字节##滴滴##大数据##面经##秋招#引流字节阿里巴巴腾讯百度美团美团后端暑期实习体验——实习的一天早上：8点半出门坐地铁
han_xue_feng·2025-03-19 08:05

处理文本的原则

•计算机预期支持的基本低级文本处理包括：使字符可见（包括连字、上下文形式等）渲染时断线（包括断字）修改外观，例如点大小、字距、下划线、倾斜和重量（轻，半，粗体等）确定“单词”和“句子”等单位在选择和突出显示文本等过程中与用户交互通过插入和删除接受键盘输入和编辑存储的文本比较操作中的文本
the only KIrsTEN·2025-03-19 01:05

2db多少功率_db与w换算(1db等于多少功率)

1、dBm这是我们接触到.那么10W呢，就是40dBm，也就是说功率下降一半，dBm值下降3dB。
不吃酸菜的小贱人·2025-03-19 01:02

AI学习第二天--监督学习 半监督学习 无监督学习

目录1.监督学习（SupervisedLearning）比喻：技术细节：形象例子：2.无监督学习（UnsupervisedLearning）比喻：技术细节：形象例子：3.半监督学习（Semi-SupervisedLearning
iisugar·2025-03-19 01:59

【资料分享】标准规范汇总(2025.3.13更新)

国标行标国家标准由国家市场监督管理总局和国家标准化管理委员会负责管理，代号为GB（国标拼音首字母），分GB（强制性标准）和GB/T（推荐性标准）。通信行业标准是针对通信技术和设
交换机路由器测试之路·2025-03-18 20:24

字节一面，面试官说自我介绍的时间太长了。。

于是开始滔滔不绝地介绍自己的项目、技术栈、实习经历……结果说到一半，面试官突然打断她：“同学，你用了快5分钟了，后面还有不少问题，我们加快一下进度。”她以为字节的自我介绍是卡秒表的。
·2025-03-18 17:02

【pytorch(cuda)】基于DQN算法的无人机三维城市空间航线规划（Python代码实现）

⛳️座右铭：行百里者，半于九十。
wlz249·2025-03-18 16:28

C++实现转轮密码机

这次代码量比上次少了大概一半。加上调试一共花了2个
Istaroth·2025-03-18 15:23

RPC是啥？

但总是感觉有点怪怪的，不太清楚为什么网络架构要这样设计，今天结合一下chat老师和小林coding的回答，把自己一知半解的搞清楚，要不然永远都无法深入理解网络，rpc这样方便的东西也永远不可能从自己的手里写出来
amber66666！·2025-03-18 15:22

Matlab 汽车半主动悬架振动模糊pid控制

1、内容简介Matlab178-汽车半主动悬架振动模糊pid控制可以交流、咨询、答疑2、内容说明略摘要：以某微型客车悬架的液压减振器为研究对象，依据汽车动力学理论建立了１／４汽车半主动悬架控制系统的动力学模型
studyer_爱啃鸡爪的小米·2025-03-18 12:23

pytorch 天花板级别的知识点 你可以不会用 但是不能不知道

以下是PyTorch的高级知识点，详细且全面：1.模型优化与加速1.1混合精度训练定义：使用半精度（FP16）和单精度（FP32）混合训练，减少内存占用并加速计算。
小赖同学啊·2025-03-17 21:17

PlanLLM: 首个支持开放词汇与封闭集任务的跨模态视频程序规划框架

该方法在COIN、CrossTask、NIV三个基准数据集上取得显著性能提升，展现了其在弱监督学习中的有效性
·2025-03-17 15:11

css填充容器背景色，一半一种颜色

background:linear-gradient(toright,#C3002F50%,#e8e8e80);
77n·2025-03-17 14:56

【sklearn 02】监督学习、非监督下学习、强化学习

监督学习、非监督学习、强化学习**机器学习通常分为无监督学习、监督学习和强化学习三类。
@金色海岸·2025-03-17 09:54

Python第二十三课：自监督学习 | 无标注数据的觉醒

本节目标理解自监督学习的核心范式与优势掌握对比学习（ContrastiveLearning）框架实现图像掩码自编码器（MaskedAutoencoder）开发实战项目：亿级参数模型轻量化探索数据增强的创造性艺术一
程之编·2025-03-17 06:54

新手村：数据预处理-异常值检测方法

机器学习基础熟悉监督/无监督学习、分类、聚类、回归等基本概念。数据预处理数据清洗、特征缩放（标准化/归一化）、数据可视化（Matplotlib/Seaborn）。二、渐进式学习
嘉羽很烦·2025-03-17 05:20

支持向量机 (SVM) 算法详解

支持向量机(SVM)算法详解支持向量机（SupportVectorMachine,SVM）是一种监督学习模型，广泛应用于分类和回归分析。SVM特别适合高维数据，并且在处理复杂非线性数据时表现出色。
sssugarr·2025-03-17 05:17

【人工智能基础2】机器学习、深度学习总结

文章目录一、人工智能关键技术二、机器学习基础1.监督、无监督、半监督学习2.损失函数：四种损失函数3.泛化与交叉验证4.过拟合与欠拟合5.正则化6.支持向量机三、深度学习基础1、概念与原理2、学习方式3
roman_日积跬步-终至千里·2025-03-16 23:02

Python精进系列： K-Means 聚类算法调用库函数和手动实现对比分析

一、引言在机器学习领域，聚类分析是一种重要的无监督学习方法，用于将数据集中的样本划分为不同的组或簇，使得同一簇内的样本具有较高的相似性，而不同簇之间的样本具有较大的差异性。
进一步有进一步的欢喜·2025-03-16 21:15

性能2-科学计算中的日志记录：调试、性能与信任

虽然我不是科学家，而是一名软件工程师，但我曾在科学计算领域工作了一年半。我想提供一个解决这类问题的潜在方案：日志记录，特别是我
李星星BruceL·2025-03-16 10:27

LLaMA-Factory 训练数据默认使用 instruction、input、output 三个 key

在LLaMA-Factory进行SFT（Directivesupervisionfine-tuning指令监督微调）时，训练数据的格式非常重要，因为大模型依赖标准化的数据结构来学习指令-响应模式。
背太阳的牧羊人·2025-03-16 08:43

什么是Mybatis？最全的Mybatis知识点整合！

MyBatis是一个半ORM（对象关系映射）框架，它内部封装了JDBC，开发时只需要关注SQL语句本身，不需要花费精力去加载驱动、创建连接、创建Statement等繁杂过程。
Tyloo_wdnmd·2025-03-16 03:13

【模拟面试】计算机考研复试集训（第二天）

4、监督学习与无监督学习的核心区别是什么？请举例说明典型算法5、你在项目中遇到过哪些技术挑战？是如何解决的？
Albert Edison·2025-03-15 20:20

贪心算法--将数组和减半的最小操作数

：要尽快的把数组和减小，那么每次挑出数组中最大的元素减半即可，由于每次都是找出最值元素，可以用优先队列来存储这些数组元素每次取出最值，减半后再放入优先队列中，操作次数+1，直到数组和小于等于原总和的一半代码
4C++·2025-03-15 20:48

2280将数组和减少的最少操作次数（贪心算法） 分析+源码+证明

题目解析请你返回将nums数组和至少减少一半的最少操作数。这句话相当于最后数组和小于等于最开始数组和的一半。
懒羊羊大王&·2025-03-15 20:47
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他