样本

[2025CVPR]DE-GANs:一种高效的生成对抗网络

质量感知动态拒绝公式（1）质量感知阶段（2）动态拒绝阶段模型架构：轻量化设计技术突破：三大创新点1.首创训练阶段DRS2.动态拒绝机制3.质量重加权策略实验验证：全面性能提升1.数据集与指标2.对比实验结果（1）低样本数据集
清风AI·2025-07-02 12:36

java opencv 数字识别算法_[机器学习]基于OpenCV实现最简单的数字识别

1.学习分类器根据训练样本，选取模型训练产生数字分类器。这里的样本可以是通用的数字样本库(如NIST等)，也可以是针对应用场景而制作的专门训练样本。
后期小雨·2025-07-02 11:28

StackGAN（堆叠生成对抗网络）的介绍

同时引入条件增强技术提高训练稳定性和样本多样性。论文题目：StackGAN:TexttoPhoto-r
·2025-07-02 07:22

StackGAN（堆叠生成对抗网络）

同时引入条件增强技术提高训练稳定性和样本多样性。论文题目：StackGAN:TexttoPhoto-r
这张生成的图像能检测吗·2025-07-02 06:22

机器学习-- 聚类

Clustering可以简单地说，对有标注的数据分类，就是逻辑回归（属于有监督分类），对无标注的数据分类，就是聚类（属于无监督分类）聚类是一种无监督学习技术，其目标是根据样本之间的相似性将未标记的数据分组
SunsPlanter·2025-07-02 05:17

一封邮件读懂准确率、精准率、召回率、F1 Score

文章目录场景设定核心目标定义样本类别模拟评估结果四大核心指标详解①准确率（Accuracy）②精准率（Precision）③召回率（Recall）④F1Score如何选对指标？
fairymt·2025-07-02 01:43

九章数学体系：定义域无界化——AI鲁棒性的“隐形杀手“

文章系统阐述了无界假设如何引发对抗样本脆弱性和数值不稳定等核心问题，并引入九章数学体系的定义域约束理论，为解决这些问题提供了全新的数学视角和工程实现路径。研究表明，通过
九章数学体系·2025-07-01 19:33

机器学习，支持向量机svm和决策树xgboost介绍

以下是两者的主要区别和优劣势对比：1.核心思想与模型类型:SVM:核心思想:找到一个最优的超平面（在特征空间中），将不同类别的样本分隔开，并且使得该超平面到两类样本中最近的样本点（支持向量）的距离（间隔
suixinm·2025-07-01 15:32

当前最好的0样本文本转语音是哪个模型？

综合排名前三模型‌MegaTTS3（字节跳动&浙江大学）‌‌核心优势‌：仅需‌3-10秒‌参考音频即可精准克隆音色，支持中英混合语音自然切换1112轻量化设计（0.45B参数），实时生成延迟低于400ms11采用‌DiffusionTransformer+WaveVAE‌架构，在韵律自然度榜单SpeechArena排名第一11‌开源地址‌：GitHub官方仓库（免费商用）‌MiniMaxSpeec
skywalk8163·2025-07-01 05:00

FFmpeg：播放音频

数字音频是由一长串的样本流组成的。每个样本表示声音波形中的一个值。声音按照一个特定的采样率来进行录制，采样率表示以
奋斗的IT青年·2025-07-01 03:23

NLP随机插入

文章目录随机插入示例Python代码示例随机插入随机插入是一种文本数据增强方法，其核心思想是在原句中随机选择若干位置，插入与上下文相关的词语，从而生成新的训练样本。
Humbunklung·2025-06-30 13:46

【LLaMA 3实战】6、LLaMA 3上下文学习指南：从少样本提示到企业级应用实战

一、上下文学习（ICL）的技术本质与LLaMA3突破（一）ICL的核心原理与模型机制上下文学习（In-ContextLearning）的本质是通过提示词激活预训练模型的元学习能力，使模型无需微调即可适应新任务。LLaMA3的ICL架构通过以下机制实现突破：任务抽象：从示例中提取输入输出映射规则，如情感分析中的正负向判断模式模式泛化：将规则迁移到新输入，支持跨领域知识迁移动态适应：实时调整注意力分布
无心水·2025-06-30 12:03

Python实例题：基于 KNN 算法的手写数字识别

支持以下功能：使用MNIST数据集训练和测试模型实现KNN分类算法可视化手写数字样本评估模型性能（准确率、混淆矩阵等）添加用户交互界面，允许用户绘制数字并进行识别。
·2025-06-29 22:45

AIGC领域Prompt工程：原理、方法与行业应用

AIGC领域Prompt工程：原理、方法与行业应用关键词：Prompt工程、大语言模型（LLM）、提示设计、少样本学习、AIGC应用、思维链（CoT）、提示优化摘要：随着AIGC（人工智能生成内容）技术的爆发式发展
AI天才研究院·2025-06-29 17:04

AI生成代码安全审计：从AST逆向到对抗样本生成

引言随着Codex、Copilot等AI代码生成工具的普及，开发效率显著提升的同时，也引入了新型安全风险：模型生成的代码可能隐含漏洞（如SQL注入、XSS）、逻辑错误，或被恶意样本“投毒”。
梦玄海·2025-06-29 16:57

重复原则与样本量估计：临床试验的统计引擎

一、重复原则的科学内涵1.1核心目的1.1.1量化随机误差通过足够样本量估计效应值的波动范围，确保结果可重现。1.1.2避免偶然性结论避免因小样本极端结果导致的偶然性结论，确保结论稳健。
qq_34062333·2025-06-29 15:17

临床试验评价指标解析

一、主要疗效终点1.1生存类终点1.1.1总生存期(OS)定义：随机至全因死亡的时间统计方法：Kaplan-Meier,Cox模型优势/局限：金标准，无测量偏倚；但需大样本长随访1.1.2无进展生存期(
qq_34062333·2025-06-29 15:17

口罩检测数据集-1591张图片疫情防控管理 智能门禁系统 公共场所安全监控

口罩检测数据集-1591张图片已发布目标检测数据集合集（持续更新）口罩检测数据集介绍数据集概览包含类别应用场景数据样本展示文件结构与使用建议使用建议技术标签YOLOv8训练实战1.环境配置安装YOLOv8
cver123·2025-06-29 14:37

基于YOLOv5的监控摄像头遮挡检测系统：从数据集到UI界面的完整实现

本文将带你构建完整的AI遮挡检测系统，核心创新点：双模检测机制：YOLOv5目标检测+背景建模异常分析轻量化部署：模型量化压缩至1.8MB动态学习：运行时自动更新异常样本库二、系统架构设计[视
芯作者·2025-06-29 12:58

【行云流水a】淘天联合爱橙开源强化学习训练框架ROLL OpenRL/openrl PPO-for-Beginners: 从零开始实现强化学习算法PPO 强化学习框架verl 港大等开源GoT-R1

适用场景和实现机制上有显著差异：graphTDA[对比维度]-->B[算法类型]A-->C[策略表示]A-->D[动作空间]A-->E[学习机制]A-->F[探索方式]A-->G[稳定性]A-->H[样本效率
行云流水AI笔记·2025-06-29 07:55

随机近似算法：步长序列选择的理论与金融实践

1.随机近似算法的数学框架随机近似算法通过随机样本的迭代更新逼近目标参数，其核心迭代式为：θn+1=θn+an(Yn−g(θn))\theta_{n+1}=\t
·2025-06-29 07:50

层归一化Layer Normalization

与批归一化（BatchNormalization）类似，层归一化是一种归一化技朧，但是它是对每个样本的特征进行归一化，而不是对整个批次的特征进行归一化。
Summer_Anny·2025-06-29 05:06

道路交通标志检测数据集-智能地图与导航 交通监控与执法 智慧城市交通管理-2,000 张图像

道路交通标志检测数据集已发布目标检测数据集合集（持续更新）道路交通标志检测数据集介绍数据集概览包含类别应用场景数据样本展示YOLOv8训练实战1.环境配置安装YOLOv8官方库ultralytics2.
cver123·2025-06-28 23:49

15.OCR训练

2.助手训练13.助手训练24.算子训练5.OCR训练联合编程6.练习1.OCR训练*OCR训练*1.分类器文件*.omc*2.halcon官方的*1.局限性只能识别数字和字母*2.样式比较单一*3.样本数量较少
Echo``·2025-06-28 22:47

从零开始理解零样本学习：AI人工智能必学技术

从零开始理解零样本学习：AI人工智能必学技术关键词：零样本学习、人工智能、机器学习、知识迁移、语义嵌入摘要：本文旨在全面深入地介绍零样本学习这一在人工智能领域具有重要意义的技术。
AI天才研究院·2025-06-28 17:33

“自动化失败归因”测试集-Who&When

Who&When样本配有如下所示的细粒度标注：“谁”(Who)：哪
liliangcsdn·2025-06-28 14:14

结构化数据增强的生成式算法案例：客户交易数据增强

1.2问题定义给定原始交易数据集D={x₁,x₂,...,xₙ}，其中每条记录包含：交易金额交易时间客户年龄客户收入水平交易类别地理位置是否为欺诈交易(标签)目标：生成与原始数据分布相似但多样化的新样本
python游乐园·2025-06-28 08:34

60天python训练计划----day55

我们之前接触到的结构化数据，它本身不具备顺序，我们认为每个样本之间独立无关，样本之间即使调换顺序，仍然不影响模型的训练。但是日常中很多数据是存在先后关系的，而他们对应的任务是预测下一步的值，我
·2025-06-28 05:46

从零开始理解零样本学习：AI人工智能必学技术

从零开始理解零样本学习：AI人工智能必学技术关键词：零样本学习、跨模态映射、语义空间、AI泛化能力、大模型、少样本学习、数据效率摘要：传统AI需要“见多识广”才能识别新事物，但现实中很多场景（如稀有物种
AI学长带你学AI·2025-06-27 06:11

SPSS配对t检验，配对样本的相关系数和对应的显著性该怎么理解呢？

今天我们要聊的是一个非常实用但又容易让人困惑的话题——SPSS配对t检验中的配对样本相关系数及其显著性该如何理解？
cda2024·2025-06-27 06:39

使用随机森林实现目标检测

使用非极大值抑制减少重复检测特征工程的重要性LBP纹理特征：捕捉局部纹理模式灰度共生矩阵：描述纹理的统计特性边缘密度：反映目标边界信息形状描述符：圆形度、面积比等几何特征实际应用建议数据收集：收集大量正负样本进行
司南锤·2025-06-27 02:43

GPT-5企业级应用落地指南：70个工业场景实战部署全景（2025）

核心解决三大落地挑战：安全合规部署方案（企业知识库隔离训练、区块链存证）、行业场景迁移（小样本领域适应、多模态提示工程）、成本效率优化（MoE稀
知识产权13937636601·2025-06-26 22:43

KNN算法（K近邻算法）

目录含义代码含义knn（k近邻）算法就像它的名字一样，使用邻居而且是近的邻居来确定某个样本的类别，就好像物以类聚这种意思。
姜姜爱学习·2025-06-26 09:51

k近邻算法(kNearest Neighbors) 原理与代码实例讲解

kNN算法的核心思想是：在特征空间中，如果一个样本附近的k个最近邻样本的大多数属于某个类别，则该样本也属于这个类别。这种基于局部决策的
AI大模型应用实战·2025-06-26 01:50

Python 逻辑回归：开启分类问题的智慧之门

它巧妙地将线性关系与分类任务相结合，通过构建一个概率模型，来预测样本属于某个类别的可能性。这种对概率的估计能力，使得它在众多领域中脱颖而出。例如，在医疗诊断中，可预测患者是否患有某种疾病
海燕李·2025-06-25 21:53

“组学”的数据结构与概念

1.组学数据：生命系统的分子层面快照定义：组学数据是指利用高通量实验技术，对生物样本（细胞、组织、个体等）在特定状态下，某一类生物分子全集进行系统性、大规模定量测量所产生的数据集。
不秃的卤蛋·2025-06-25 18:36

从0开始学习R语言--Day31--概率图模型

在探究变量之间的相关性时，由于并不是每次分析数据时所用的样本集都能囊括所有的情况，所以单纯从样本集去下判断会有武断的嫌疑；同样的，我们有时候也想要在数据样本不够全面时就能对结果有个大概的了解。
Chef_Chen·2025-06-25 10:38

使用预训练权重在YOLO模型上训练新数据集的完整指南

加速收敛：预训练模型已学习通用特征，训练时间可缩短30%−70%30\%-70\%30%−70%小样本适配：在数据量有限时（n<100
马里马里奥-·2025-06-24 15:14

20倍推理加速秘诀！揭秘批处理（Batching）的底层优化逻辑 | 附工业级调优指南

批处理（Batching）指在模型推理时一次性输入多个样本（如图像、文本序列）而非逐条处理。
Lilith的AI星球·2025-06-24 14:07

Pytorch学习 day06（torchvision中的datasets、dataloader）

datasets使用torchvision提供的数据集API，比较方便，如果在pycharm中下载很慢，可以URL链接到迅雷中进行下载（有些URL链接在源码里）用来告诉程序，数据集存储的位置，共有多少样本等代码如下
丿罗小黑·2025-06-24 07:19

Python_day38Dataset和Dataloader类

DataLoader类：决定数据如何加载Dataset类：告诉程序去哪里找数据，如何读取单个样本，以及如何预处理。为了
且慢.589·2025-06-24 06:46

python二维码识别读取_python+opencv检测图片中二维码

正样本：一波处理操作
weixin_39875832·2025-06-23 18:28

【PyTorch项目实战】CycleGAN：无需成对训练样本，支持跨领域图像风格迁移

文章目录一、风格迁移模型1、发展时间线2、分类与优缺点3、选择建议4、HuggingFaceDemo（instruct-pix2pix）——在线测试二、论文简读（1）FastStyleTransfer（快速风格迁移，Johnsonetal.,2016）1、原理概述2、特点与优势3、局限性（2）AdaIN（自适应实例规范化，Huang&Belongie,2017）1、原理概述2、特点与优势3、局限性
胖墩会武术·2025-06-23 16:13

【大模型应用开发 动手做AI Agent】RAG和Agent

然而，单纯依靠大模型的零样本学习能力往往难以满足复杂场景下的应用需求。
AI智能应用·2025-06-23 07:45

点云从入门到精通技术详解100篇-基于参数平面拉伸的点云流形攻击(续)

目录3.3.4重构分析3.3.5消融实验4基于参数平面拉伸的点云流形攻击4.1点云流形攻击算法设计4.2点云流形攻击网络4.2.1基于TPS的参数平面拉伸4.2.2点云流形攻击对抗样本生成4.2.3训练损失
格图素书·2025-06-23 03:14

《A DECODER-ONLY FOUNDATION MODEL FOR TIME-SERIES FORECASTING》阅读总结

介绍了一个名为TimeFM的新型时间序列预测基础模型，该模型受启发于自然语言处理领域的大语言模型，通过再大规模真实世界和合成时间序列数据集上的预训练，能够在多种不同的公共数据集上实现接近最先进监督模型的零样本预测性能
胡萝拔贝贝·2025-06-23 00:58

day53python打卡

简化前向传播写法leakyReLU介绍：避免relu的神经元失活现象ps；如果你学有余力，对于gan的损失函数的理解，建议去找找视频看看，如果只是用，没必要学作业：对于心脏病数据集，对于病人这个不平衡的样本用
qq_58459892·2025-06-22 21:37

Transformer-LSTM+SHAP可解释性分析的回归预测Matlab代码

X_test,y_test]=prepareData(data,windowSize)%假设数据格式为[N_samplesxT_stepsxN_features]，y为单输出序列N=size(data,1);%样本数
默默科研仔·2025-06-22 19:51

YOLOv4 正负样本划分详解

✅YOLOv4正负样本划分详解一、前言在目标检测中，正负样本划分是训练过程中的关键环节，它决定了哪些预测框参与损失计算，从而影响模型的学习效果。
要努力啊啊啊·2025-06-22 03:40

破解数据可视化难题：带轴断裂的柱状图绘制全指南

比如在财务报表中，某个项目的金额达到千万级别，而其他项目只有个位数；在生物实验中，某个样本的指标值突破上限，而其他样本集中在较低区间。
Code_Verse·2025-06-21 12:04
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他