样本

【大模型与机器学习解惑】什么是A/B测试，为何进行A/B测试？

测试A/B测试的实施流程示例代码与详细解释优化方向与未来建议结语1.什么是机器学习的A/B测试A/B测试（也常被称作对照试验、SplitTest）最早多用于互联网产品的功能或界面迭代中，指的是将用户或样本随机分为两组

·2025-07-11 23:22

搜广推校招面经九十一

美团机器学习/数据挖掘算法工程师_二面一、介绍一下ESMM模型，是否有进行过函数推导传统的转化率建模方式：只用发生点击（click=1）的样本来训练CVR模型。

·2025-07-11 19:54

少样本图学习（few-shot learning on graph）知识背景

Few-ShotLearningonGraph少样本学习简介少样本图学习简介1.SupportSet和QuerySet（针对单个任务）（1）SupportSet（支持集）（2）QuerySet（查询集）

so.far_away·2025-07-11 11:34

头盔检测数据集和论文

而且即使有数据可用，头盔使用的观察也常常受到样本量和区域范围的限制，是从相对较短的时间框架中得出的数据，或仅在学术研究范围内单独收集。缺

daguantou·2025-07-11 10:24

大模型的“涌现能力“：现象、表现与成因解析

文章目录一、涌现能力的本质与特征1.1基本定义1.2识别标准二、三种典型涌现能力表现2.1少样本上下文学习（Few-shotIn-contextLearning）表现特征实证数据可能成因2.2思维链推理

北辰alk·2025-07-11 02:32

论文略读： Fast-DetectGPT: Efficient Zero-Shot Detection of Machine-Generated Text via Conditional Probab

ICLR2024判断生成的文本是人写的还是大模型写的现有的检测器主要分为两类有监督分类器在训练领域表现出色，但在面对来自不同领域或不熟悉模型生成的文本时表现变差零样本分类器免疫领域特定的退化在检测精度上可以与有监督分类器相当但目前的方法计算成本高

UQI-LIUWJ·2025-07-10 22:38

【论文阅读】Decoupled Knowledge Distillation

我们实证调查并证明了两部分的效果：TCKD传递了有关训练样本“困难”的知识，而NCKD是logit蒸馏起作用的突出原因。更重要的是，我们揭示了经典的KD损失是一个耦合公式，

Bosenya12·2025-07-10 22:38

【论文阅读】Transfer Learning for Automatic Modulation Recognition Using a Few Modulated Signal Samples

摘要：这封信提出了一种用于自动调制识别（AMR）的迁移学习模型，该模型仅具有少量调制信号样本。传输模型以音频信号UrbanSound8K作为源域进行训练，然后以一些调制信号样本为目标域进行微调。

·2025-07-10 22:08

【论文阅读】Meta-SE: A Meta-Learning Framework for Few-Shot Speech Enhancement

这篇文章介绍了一个名为Meta-SE的元学习框架，专门用于少样本（few-shot）语音增强问题。文章的核心目标是解决在实际应用中，由于训练样本有限而导致传统深度神经网络（DNN）模型性能受限的问题。

Bosenya12·2025-07-10 22:38

【论文阅读】SASLN：小样本条件下机械故障诊断的信号增强自学习网络

SignalsAugmentedSelf-TaughtLearningNetworksforMechanicalFaultDiagnosisUnderSmallSampleCondition本文介绍了一种名为SASLN（SignalsAugmentedSelf-TaughtLearningNetworks）的方法，专门用于在小样本条件下对风力发电机

·2025-07-10 22:37

《重构项目》基于Apollo架构设计的项目重构方案（多种地图、多阶段、多任务、状态机管理）

├──base/#抽象基类定义││├──scenario_base.h/.cpp││├──stage_base.h/.cpp││└──task_base.h/.cpp│├──scenarios/#不同样本架地图的

A小庞·2025-07-10 21:31

lstm 数据输入问题

lstm我有20*6条数据，20个样本，每个样本6条历史数据，每条数据有5个值，我送给网络输入时应该是20*6*5还是6*20*5你的数据是：20个样本（batchsize=20）每个样本有6条历史数据

AI算法网奇·2025-07-10 20:20

KTO（Kahneman-Tversky Optimization）技术详解与工程实现

Kahneman-TverskyOptimization）技术详解与工程实现一、KTO核心思想KTO是基于行为经济学前景理论（ProspectTheory）的偏好优化方法，突破传统偏好学习需要成对数据的限制，仅需单样本绝对标注

DK_Allen·2025-07-10 18:06

【亲测免费】探索AudioSlicer：智能音频分割工具

它通过检测静音段将音频拆分成多个独立样本，并生成一个.json文件，详细记录了每个切片的时间范围。该项目灵感源自AndrewPhillipDoss的工作，现在正向着人工智能适应的方向发展，有望实现

秦贝仁Lincoln·2025-07-10 00:45

Python MoviePy详解：从入门到实战的视频编辑指南

与传统视频编辑软件不同，它将视频视为可动态计算的函数集合，每个视频剪辑（Clip）本质上是一个时间函数F(t)，返回指定时间点的图像帧或音频样本。

detayun·2025-07-09 21:27

论文略读： ALPAGASUS: TRAINING A BETTER ALPACA WITH FEWER DATA

ICLR20241背景大模型通常需要在有监督指令数据集上进行指令微调来加强指令遵循能力但是广泛使用的数据集包含许多具有不正确或不相关响应的低质量样本，这对大模型微调具有误导性——>论文提出了一种简单有效的数据选择策略

·2025-07-09 21:23

深度学习之迁移学习

一、迁移学习的核心动机传统机器学习通常要求为每个新任务收集大量标注数据并从头训练模型，但现实中面临以下挑战：数据稀缺：例如医疗影像分析（罕见疾病样本少）

路溪非溪·2025-07-09 21:22

支持向量机（SVM）在病理切片图像分类（癌细胞检测，Camelyon16/17、TCGA）中的应用与实现

支持向量机（SVM）在病理切片图像分类（癌细胞检测，Camelyon16/17、TCGA）中的应用与实现病理切片图像分类是医学影像分析的重要领域，特别是在癌细胞检测中，SVM因其对高维数据和小样本场景的优异性能

猿享天开·2025-07-09 20:45

4篇2章5节：ANOVA 功效的单次精确模拟与可视化全解析

本文结合糖尿病胰岛素治疗试验案例，深度拆解函数的应用逻辑，手把手教你用数据驱动实验设计，让“样本量规划”“效应检测能力”从抽象概念变为可操作、可视化的研究支撑。一、相关函数的介绍在医学研究中，实

MD分析·2025-07-09 18:34

涨薪技术|Prometheus之PromQL操作符

01数学运算例如，我们可以通过指标node_memory_free_bytes_total获取当前主机可用的内存空间大小，其样本单位为Bytes。这是如果客户端要求使用MB作为单位响应数据，那只需要

川石课堂软件测试·2025-07-09 17:31

集成学习中的多样性密码：量化学习器的多样性

【scikit-learn基础】--『数据加载』之样本生成器2023-12-085.【scikit-learn基础】--『数据

元楼·2025-07-09 12:59

基于小样本的高光谱图像分类任务：CMFSL方法及Python实现

基于小样本的高光谱图像分类任务：CMFSL方法及Python实现1.引言高光谱图像分类是遥感图像处理领域的重要研究方向，它在农业监测、环境评估、军事侦察等领域有着广泛的应用。

pk_xz123456·2025-07-09 12:27

数据分析-59-SPC统计过程控制XR图和XS图和IMR图和CPK分析图

构造步骤1.3代码示例2均值标准差图XS2.1适用场景2.2构造步骤2.3代码示例3IMR图3.1适用场景3.2构造步骤3.3代码示例4CPK分析图4.1CPK计算4.2创建步骤4.3代码示例XR控制图：子样本数量较小

皮皮冰燃·2025-07-09 06:44

Manus AI与多语言手写识别

的定位与核心技术优势多语言场景下的挑战与机遇ManusAI的核心技术架构基于深度学习的端到端手写识别模型多模态数据融合（笔迹压力、书写轨迹等）自适应语言模型与字符集扩展机制多语言手写识别的关键技术非拉丁语系（中文、阿拉伯语等）的笔迹特征提取小样本语言数据的迁移学习策略上下文感知与语法纠错在低资源语言中的应

tonngw·2025-07-08 22:20

【TTS】2024-2025年主流开源TTS模型的综合对比分析

一、开源TTS模型对比（2024-2025年主流方案）模型名称开源/厂商克隆支持中文支持部署要求更新状态开源地址/时间核心优势Dia-1.6BNariLabs(开源)✅零样本声纹克隆❌仅英语GPU(A4000,40tokens

·2025-07-08 18:23

AI人工智能浪潮中，GPT的技术优势凸显

我们将从GPT的核心架构出发，分析其独特的技术特点，包括自注意力机制、预训练-微调范式、零样本学习能力等。通过与传统NLP方法的对比，揭

AI学长带你学AI·2025-07-08 09:50

【机器学习笔记 Ⅱ】7 多类分类

特点互斥性：每个样本仅属于一个类别（区别于多标签分类）。输出要求：模型需输出每个类别的概率分布，且概率之和为1。实现方式One-vs-Rest(OvR)：训练K个二分类器（

巴伦是只猫·2025-07-08 07:06

10.6 ChatGLM3私有数据微调实战：24小时打造高精度模型，显存直降60%

1.1使用ChatGPT自动设计生成训练数据的Prompt核心思路：通过ChatGPT生成符合任务需求的样本数据，降低人工标注成本。

少林码僧·2025-07-08 06:34

【论文阅读】Dynamic Few-Shot Visual Learning without Forgetting

系统概述如下：(a)一个基于卷积神经网络（ConvNet）的识别模型，该模型包含特征提取器和分类器；(b)一个少样本分类权重生成器。

Bosenya12·2025-07-08 05:56

【论文阅读】Few-Shot PPG Signal Generation via Guided Diffusion Models

从少量样本数据选择到后处理的整体框架。首先，扩散模型在N样本数据集和指导下的训练。接着，模型生成一个增强的数据集，并进一步优化以提高保真度。

Bosenya12·2025-07-08 05:25

使用 C++/Faiss 加速海量 MFCC 特征的相似性搜索

SpeakerRecognition)、音乐信息检索(MusicInformationRetrieval)或音频事件检测(AudioEventDetection)，我们通常需要从海量的音频库中快速找到与给定查询音频最相似的样本

whoarethenext·2025-07-08 04:17

【机器学习笔记 Ⅲ】3 异常检测算法

异常检测算法（AnomalyDetection）详解异常检测是识别数据中显著偏离正常模式的样本（离群点）的技术，广泛应用于欺诈检测、故障诊断、网络安全等领域。

巴伦是只猫·2025-07-08 04:17

1.线性神经网络--线性回归

fromd2limporttorchasd2limportmatplotlib.pyplotaspltdeftrain_data_make(batch_size,X,y):num_examples=len(X)idx=list(range(num_examples))#生成0-999random.shuffle(idx)#样本需

温柔济沧海·2025-07-07 15:45

样本量计算：配对样本定量资料——平均值法

今天介绍的是配对样本定量资料采用平均值法的样本量计算。先来看一下案例。

·2025-07-07 13:34

机器学习宝典——第6章

聚类算法就是实现这一目标的核心工具，它试图将数据集中的样本划分为若干个不相交的子集，我们称之为“簇”(cluster)。

爱看烟花的码农·2025-07-06 21:38

Boostrap方法的理解及应用

基于该分布，计算标准误差，构建置信区间，并对多种类型的样本进行统计信息和假设检验。Boostrap统计学方法使用范围比较广，因为它不需要假定数据服从特定的理论分布（

Xiaofei@IDO·2025-07-06 02:43

脉冲编码调制（PCM）

根据莱奎斯特取样定理，以大于等于模拟信号频率两倍的取样频率获得的样本空间就能恢复原理的模拟信号。量化：将抽样后的连续幅度值映射到有限个离散电平的过程，即幅度的离散化。例如：把语音样本量化

2301_80709554·2025-07-05 19:17

KNN（K-近邻算法)(上)--day05

其基本思想是通过找出与新样本最接近的已标记数据中的K个最近邻居来进行预测或分类。注释：非参数化方法是指在统计学和机器学习中，不对数据分布做出严格假设（这些假设通常包括

扫把星133·2025-07-05 16:00

【2025CVPR】SEC-Prompt：少样本增量学习中的语义互补提示模型详解

目录一、研究背景：少样本增量学习的挑战二、SEC-Prompt核心原理1.自适应层次化查询（AdaptiveHierarchicalQuery）2.语义互补提示机制（1）判别性提示（D-Prompt）（

清风AI·2025-07-05 14:19

机器学习算法_支持向量机

一、支持向量机支持向量机只能做二分类任务SVM全称支持向量机，即寻找到一个超平面使样本分成两类，且间隔最大硬间隔：如果样本线性可分，在所有样本分类都正确的情况下，寻找最大间隔；如果出现异常值或样本线性不可分

·2025-07-05 10:42

深度探索：机器学习中的条件生成对抗网络（Conditional GAN, CGAN）算法原理及其应用

然而，原始GAN模型在生成过程中缺乏对生成样本特定属性的直

·2025-07-05 09:09

4篇2章3节：三因素（2b × 3w × 2b）混合设计功效模拟实战，以抗高血压药物试验为例

然而，复杂设计也带来了样本

MD分析·2025-07-05 08:32

Telegram安装程序中的隐匿威胁：木马样本深度剖析

一、引言：危机四伏的下载在数字化时代，即时通讯软件已成为人们日常生活和工作中不可或缺的一部分。Telegram，以其强大的加密功能、丰富的群组和频道资源，吸引了全球众多用户。然而，随着其用户基数的不断扩大，Telegram也逐渐成为网络犯罪分子的目标。近年来，Telegram安装程序捆绑木马的事件频发，给用户的信息安全带来了极大的威胁。2025年3月，安全研究人员发现一款仿冒IndusInd银行应

Bj陈默·2025-07-05 05:15

交叉熵损失和负熵似然损失（对分类器有用）

假设对于一个分类任务，有\(C\)个类别，模型对第\(i\)个样本的输出是一个概率分布\(\mathbf{p}_i=[p_{i1},p_{i2},\dots,p_{iC}]\)，其中\(p_{ic}\)

流量留·2025-07-04 20:18

Segment Anything in High Quality之SAM-HQ论文阅读

摘要最近的SegmentAnythingModel（SAM）在扩展分割模型规模方面取得了重大突破，具备强大的零样本能力和灵活的提示机制。

qq_41627642·2025-07-04 10:35

[Prob] Definition 3.7.5 (Function of two r.v.s)

定义3.7.5（两个随机变量的函数）：给定一个样本空间\(S\)的实验，如果\(X\)和\(Y\)是映射到X(s)和Y(s)的随机变量，那么g(X,Y)就是映射s到g(X(s),Y(s))的随机变量。

EricWang1358·2025-07-04 06:06

机器学习-三大SOTA Boosting算法总结和调优

参考书籍：《机器学习公式推导和代码实现》书籍页码：P197～205简介除了深度学习适用的文本、图像、语音、视频等非结构化数据，对于训练样本较少的结构化数据，Boosting算法仍是第一选择。

小新学习屋·2025-07-04 05:02

人脸识别接口&sdk，两张人脸相似度比对

人工智能时代，人脸识别技术正在被广泛应用于金融支付、安防监控、身份验证等多个领域，基于深度学习算法于海量样本训练，人脸识别接口以高精度、低延迟的特性出现在大众视野，成为开发者和企业用户集成人脸识别功能的首要选择之一

·2025-07-04 02:15

Llama改进之——均方根层归一化RMSNorm

LayerNorm针对一个样本所有特征计算

愤怒的可乐·2025-07-04 01:36

Step-by-Step Diffusion&Flow Model Notes

Step-by-StepNotesFundamentalsofDiffusion生成模型的目标与扩散模型的基本思想生成模型的目标生成模型的目的是给定一组来自某个未知分布p∗(x)p^{*}(x)p∗(x)的独立同分布(i.i.d.)样本

克斯维尔的明天_·2025-07-03 16:31

推荐频道

样本