深度学习人工智能

世界启动Ⅴ--为什么AI永远不会有意识？

前言谷歌负责任人工智能团队的工程师布莱克·勒莫因(BlakeLemoine)在2022年受命研究其聊天机器人LaMDA（对话应用语言模型）是否表现出偏见。
RA AI衍生者训练营·2024-08-26 17:31

什么是LLM，主要用途有哪些，在应用中有哪些优势和局限性？

2.技术突破：深度学习架构：LLM基于先进的深度学习技
好好学习的不知名程序员·2024-08-26 16:59

python深度学习框架——TensorFlow

TensorFlow，由Google开发的开源机器学习库，以其强大的功能和灵活性，在深度学习、计算机视觉和自然语言处理等领域发挥着重要作用。本文将深入探讨TensorFlow中的一些常用函数及其参数。
零 度°·2024-08-26 14:13

彻底改变音乐产业——人工智能如何实现利润最大化并重塑市场

引言索尼音乐收购以惊人的1亿英镑收购了Queen的音乐目录。近年来，我们看到投资基金投入数亿美元收购JustinBieber、BruceSpringsteen、KatyPerry等顶级艺术家的音乐版权。据CambridgeAssociates称，从2013年到2017年，仅音乐版税行业就筹集了大约1亿美元。值得注意的是，在2023年上半年，又有2亿美元被收购。凸专门用于音乐目录的收购。拥有音乐版权
知来者逆·2024-08-26 14:13

普通人如何利用AI大模型赚钱？

随着科技的飞速发展，人工智能（AI）已经成为了我们生活中不可或缺的一部分。而AI大模型，更是这场科技革命的核心。它们不仅仅在学术界和科技巨头中发挥作用，还为普通人提供了无数赚钱的机会。
大飞攻城狮·2024-08-26 13:35

计算机毕业设计Hadoop+Spark知识图谱体育赛事推荐系统 体育赛事热度预测系统 体育赛事数据分析 体育赛事可视化 体育赛事大数据 机器学习 大数据毕业设计 大数据毕设 机器学习 人工智能

vue.js、element-ui、echarts后端：springboot、mybatis大数据：spark、hadoop数据库：mysql关系型数据库、neo4j图数据库算法：协同过滤推荐算法、MLP深度学习模型
计算机毕业设计大全·2024-08-26 13:43

python入门基础——新手必看

前言随着人工智能，大数据的发展。python是当前时代最流行，可以在数据处理、web开发、人工智能等多个领域。
@haihi·2024-08-26 12:28

AI大模型：开源与闭源的激烈交锋与未来展望

在人工智能的浩瀚星空中，大模型作为技术的璀璨明珠，正引领着行业变革的浪潮。
花生糖@·2024-08-26 12:58

Claude 与 ChatGPT：哪个更适合学术写作，深入对比分析

人工智能写作助手已成为学者、研究人员和学生的强大资源。Anthropic的Claude和OpenAI的ChatGPT是该领域的两大主要参与者。
智写AI·2024-08-26 12:27

研究人员利用ChatGPT的强大功能，创建数字病理学AI工具

丹娜—法伯癌症研究所和威尔康奈尔医学院的科学家开发并测试了针对数字病理学的新型人工智能工具。数字病理学是一个相对较新的领域，它使用由组织样本创建的高分辨率数字图像来诊断疾病并为治疗决策提供参考。
智写AI·2024-08-26 12:57

人工智能与人类——读《今日简史》第一章有感

人工智能与人类在过去、现在、未来究竟是怎样一种竞争关系？又是在那些方面哪些领域与人类竞争？最终可能的相处模式究竟是怎样？
努力的石头·2024-08-26 12:26

【Nature】在科研中应用ChatGPT：如何与数据对话

随着人工智能技术的迅猛发展，大型语言模型（LLMs）正逐渐成为科研领域的一种创新工具。这些模型通过自然语言处理技术，使得研究人员能够以直观的方式与数据进行交互，从而简化了数据分析和解释的过程。
智写AI·2024-08-26 11:23

PyTorch深度学习模型训练流程的python实现：回归

回归的流程与分类基本一致，只需要把评估指标改动一下就行。回归输出的是损失曲线、R^2曲线、训练集预测值与真实值折线图、测试集预测值散点图与真实值折线图。输出效果如下：注意：预测值与真实值图像处理为按真实值排序，图中呈现的升序与数据集趋势无关。代码如下：fromfunctoolsimportpartialimportnumpyasnpimportpandasaspdfromsklearn.prepr
moyao_miao·2024-08-26 11:21

如何提升大模型的智能水平？

随着人工智能技术的飞速发展，大模型在多个领域展现出了前所未有的能力，但它们仍然面临着理解力、泛化能力和适应性等方面的挑战。那么，如何让大模型变得更聪明呢？
刷刷刷粉刷匠·2024-08-26 11:21

你眼中的IT行业现状与未来趋势

从人工智能、云计算、大数据、人工智能到物联网、5G通信和区块链，这些技术正在重塑我们的生活和工作方式。同时，数字化转型正在成为企业生存和竞争的关键，推动了更多传统行业向数字化、智能化转型。
刷刷刷粉刷匠·2024-08-26 11:51

深度学习--Transformer和BERT区别详解

Transformer的概念、作用、原理及应用概念Transformer是一种基于注意力机制（AttentionMechanism）的神经网络架构，由Vaswani等人在2017年提出。与传统的循环神经网络（RNN）和卷积神经网络（CNN）不同，Transformer完全摒弃了循环和卷积结构，依赖于自注意力机制和并行化的处理方式，极大地提高了模型的训练效率和效果。作用Transformer的主要作
Ambition_LAO·2024-08-26 08:36

基于深度学习的环境数据分析

基于深度学习的环境数据分析利用深度学习技术处理和分析大量复杂的环境数据，以揭示隐藏的模式、趋势和关系，进而支持环境监测、管理和决策。
SEU-WYL·2024-08-26 08:05

小琳AI课堂：AIGC

今天我们来聊聊一个超级热门的话题——AIGC，也就是人工智能生成内容。
小琳ai·2024-08-26 07:59

小琳AI课堂：AIGC技术商业化及其在各行业发展

大家好，这里是小琳AI课堂，今天我们来聊聊AIGC（人工智能生成内容）技术的商业化及其在各行业的发展趋势。AIGC是如何商业化的？
小琳ai·2024-08-26 07:58

小琳AI课堂：AI（人工智能）和AIGC（AI生成内容）的关系

今天我们来探讨一下AI（人工智能）和AIGC（AI生成内容）之间的关系，这是一个非常有趣且深入的话题。
小琳ai·2024-08-26 07:58

基于深度学习的生产流程自动化

基于深度学习的生产流程自动化是一种将深度学习技术应用于工业生产流程中，以实现更高效、智能化和自适应的生产管理和控制的方式。
SEU-WYL·2024-08-26 07:58

【机器学习】机器学习与大模型在人工智能领域的融合应用与性能优化新探索

文章目录引言机器学习与大模型的基本概念机器学习概述监督学习无监督学习强化学习大模型概述GPT-3BERTResNetTransformer机器学习与大模型的融合应用自然语言处理文本生成文本分类机器翻译图像识别自动驾驶医学影像分析语音识别智能助手语音转文字大模型性能优化的新探索模型压缩权重剪枝量化知识蒸馏分布式训练数据并行模型并行异步训练高效推理模型裁剪缓存机制专用硬件未来展望跨领域应用智能化系统人
E绵绵·2024-08-26 06:25

使用书生万象InternVL大模型进行自定义视频数据集微调时没有petrel_client导致NoneType异常

使用书生万象InternVL大模型进行自定义视频数据集微调时没有petrel_client导致NoneType异常1、项目  7月4日下午，世界人工智能大会科学前沿论坛，代季峰老师代表InternVL研究团队发布了
菜b杨·2024-08-26 06:54

深度学习五种不同代码实现,神经网络,机器学习

第一种importnumpyasnpimporttensorflowastfmnist=tf.keras.datasets.mnistimportmatplotlib.pyplotaspltimportmatplotlibmatplotlib.use("TkAgg")(x_train,y_train),(x_test,y_test)=mnist.load_data()x_train=x_train
学呗～那不然呢·2024-08-26 05:18

保护隐私，释放智能：使用LangChain和Presidio构建安全的AI问答系统

保护隐私，释放智能：使用LangChain和Presidio构建安全的AI问答系统在人工智能（AI）飞速发展的今天，AI问答系统已经成为企业与客户互动的重要工具。
2401_85763803·2024-08-26 05:45

Stable Diffusion快速安装及prompt的使用

StableDiffusion是一种基于深度学习的文本到图像生成技术，它可以生成高质量的图像。以下是一篇快速安装教程，适合初学者理解和操作。什么是StableDiffusion？
老童聊AI·2024-08-26 04:41

每天一个数据分析题（五百）- 关联规则

（Association）D.预测（Prediction）数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习
跟着紫枫学姐学CDA·2024-08-26 04:40

每天一个数据分析题（四百九十）- 主成分分析与因子分析

A.特征值B.特征向量C.协方差矩阵D.相关系数矩阵数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习
跟着紫枫学姐学CDA·2024-08-26 04:07

人工智能开源库有哪些

TensorFlow：由Google开发的深度学习库，提供了丰富的工具和API，支持CPU和GPU计算。PyTorch：由Facebook开发的深度学习框架，提供动态图和静态图两种模式，并且易于使用。
openwin_top·2024-08-26 02:59

持续创新：AWS块存储的简史

每周跟踪AI热点新闻动向和震撼发展想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。
新加坡内哥谈技术·2024-08-26 00:48

深入探索数据结构技术：理论、实践与应用

导语数据结构作为计算机科学的基础核心领域，不仅深刻影响着算法的设计与效率，而且在软件开发、数据分析、人工智能等诸多领域中扮演着关键角色。
小码快撩·2024-08-25 22:34

《人工智能与自然语言处理：开启智能交流新时代》

在当今科技迅猛发展的时代，人工智能已经成为了各个领域的热门话题。
程序猿阿伟·2024-08-25 22:03

《当人工智能牵手新兴技术：安全挑战与应对之策》

在科技日新月异的今天，人工智能的发展势头迅猛，而当它与其他新兴技术如生物技术、纳米技术等相结合时，一场前所未有的科技革命似乎正在悄然酝酿。
程序猿阿伟·2024-08-25 22:03

《打破信息茧房：确保人工智能推荐系统的多元化与公正性》

在当今数字化的时代，人工智能推荐系统已经成为我们获取信息、产品和服务的重要渠道。从社交媒体的内容推荐到电商平台的商品推荐，这些系统在为我们提供便利的同时，也带来了一个潜在的问题——信息茧房效应。
程序猿阿伟·2024-08-25 22:03

《确保人工智能决策的公正与透明：打破技术黑箱的探索》

在当今数字化、智能化的时代，人工智能已经深度融入我们的生活和社会的各个领域，从金融信贷评估到司法判决辅助，从招聘筛选到医疗诊断。
程序猿阿伟·2024-08-25 22:03

《人工智能时代：金融投资决策的潜在系统性风险及防范策略》

在当今数字化飞速发展的时代，人工智能（AI）在金融领域的应用日益广泛，特别是在投资决策方面展现出了巨大的潜力。然而，随着其影响力的不断扩大，我们也必须警惕潜在的系统性风险。
程序猿阿伟·2024-08-25 22:03

《跨越文化与语言的鸿沟：人工智能的挑战与机遇》

人工智能作为一项具有变革性的技术，在应对这些差异方面发挥着越来越重要的作用，但同时也面临着诸多困难。语言是文化的载体，每种语言都蕴含着独特的文化内涵、价值观和思维方式。
程序猿阿伟·2024-08-25 22:03

深度学习多GPU训练原理

详细参考《动手学深度学习》P233，8.4节多GPU计算。数据并行的方法把一个batch的所有数据平均分配到每块GPU的显存里，把模型参数在每个GPU显存上拷贝一份。
浦东新村轱天乐·2024-08-25 22:31

反无人机技术综述：通信技术与人工智能的融合

来源:无人争锋近年来，智能无人系统的发展日新月异。在俄乌冲突这一现代战争中，双方都大规模使用了无人机执行多样化任务，包括侦查、打击和情报搜集等。无人机为战场带来了前所未有的洞察力，从而改变了传统的战略和战术。因此，反无人机技术的研究和发展变得尤为重要。图1展示了一套当前广泛采用的反无人机系统架构。反无人机技术的现状为了有效应对无人机技术的挑战，研究人员已经开发了多种反无人机技术。这些技术主要分为两
人工智能学家·2024-08-25 21:59

TensorFlow库详解：Python中的深度学习框架

TensorFlow是一个开源的深度学习框架，由GoogleBrain团队开发，并于2015年正式发布。TensorFlow被广泛应用于各种深度学习任务，如图像识别、自然语言处理、语音识别等。
Ambition_LAO·2024-08-25 21:28

深度学习--自监督学习

自监督学习是一种无需大量人工标注的数据驱动方法，在生成模型中应用广泛。自监督学习通过利用数据中的固有结构或属性创建“伪标签”，使模型在没有人工标签的情况下进行学习。这种方法既提高了模型的训练效率，又降低了对标注数据的依赖。概念自监督学习：自监督学习是一种半监督学习的形式，模型通过从未标注的数据中创建自己的监督信号来进行学习。常见的方法包括通过预测数据的一部分来学习（例如，给定图像的部分，预测其余部
Ambition_LAO·2024-08-25 21:28

深度学习--复制机制

复制机制（CopyMechanism）是自然语言处理（NLP）中特别是在文本生成任务中（如机器翻译、摘要生成等）使用的一种技术。它允许模型在生成输出时不仅仅依赖于其词汇表中的单词，还可以从输入文本中“复制”单词到输出文本中。这种机制非常有用，尤其是在处理未见过的词汇或专有名词时。1.概念复制机制的基本思想是，在生成每个输出单词时，模型不仅从其词汇表中选择一个词，还可能直接从输入序列中复制一个词。这
Ambition_LAO·2024-08-25 21:28

《探秘神经网络：人工智能的强大引擎》

在当今科技飞速发展的时代，人工智能已经成为了热门话题，而神经网络作为人工智能的重要组成部分，正发挥着越来越关键的作用。那么，什么是神经网络呢？它在人工智能中又有哪些令人瞩目的应用呢？
程序猿阿伟·2024-08-25 21:57

GNN的理解难点：一种不同于传统神经网络的复杂性

图神经网络（GNN）已经成为深度学习领域的一颗新星，它在处理图形数据方面显示出了巨大的潜力和优势。然而，许多研究者和开发者发现GNN比传统的神经网络更难以理解和掌握。
小桥流水---人工智能·2024-08-25 21:27

[感悟]关乎未来的思考，四次工业革命

最近在读吴军的《态度》，其中第五篇章提及第四次工业革命，特有此文第四次工业革命，机器智能（又称人工智能）。
时而宁静·2024-08-25 19:48

Keras深度学习框架实战（2）：估计模型训练所需的样本量

1、模型训练样本量评估概述1.1样本量评估的意义预估模型需要的样本量对于机器学习项目的成功至关重要，以下是几个主要原因：防止过拟合与欠拟合：过拟合：当模型在训练数据上表现极好，但在未见过的测试数据上表现糟糕时，就发生了过拟合。这通常是因为模型过于复杂，而训练数据不足以支持其学习数据的真实模式。通过预估足够的样本量，我们可以减少过拟合的风险。欠拟合：与过拟合相反，欠拟合是模型未能捕捉到数据中的关键模
MUKAMO·2024-08-25 15:52

LangChain 与 Elastic 合作为 RAG 添加向量数据库和语义重排序

前言在过去的一年中，我们看到了生成式人工智能领域的许多进展。许多新服务和库应运而生。LangChain已成为使用大型语言模型(LLM)构建应用程序的最受欢迎的库，例如检索增强生成(RAG)系统。
Cc不爱吃洋葱·2024-08-25 15:52

GeoScene Pro教程（001）：软件功能产品介绍

本软件以云计算为核心并融合各类最新IT技术，具有强大的地图制作、空间数据管理、大数据与人工智能挖掘分析、空间信息可视化以及整合、发布与共享能力。同时在用户体验、软硬件兼容适配、安全可控等方面
叁拾舞·2024-08-25 15:47

深度学习100问10-什么是CBOW模型

CBOW（ContinuousBagofWords）模型是一种用于训练词向量的方法。想象一下，CBOW就像是一个猜词游戏。它从一个文本中选取一个词作为目标词，然后把这个目标词周围的几个词当成线索。CBOW的任务就是根据这些线索来猜出目标词是什么。为了完成这个任务，CBOW会先把这些线索词（周围的词）都转换成向量，然后把这些向量加起来或者求平均，得到一个综合的向量表示。接着，CBOW会用这个综合向量
不断持续学习ing·2024-08-25 13:10

深度学习（十一）：YOLOv9之最新的目标检测器解读

YOLOv91.YOLOv9:物体检测技术的飞跃发展1.1YOLOv9简介1.2YOLOv9的核心创新1.2.1信息瓶颈:神经网络在抽取相关性时的理论边界1.2.2可逆函数:保留完整的信息流1.2.3对轻型模型的影响：解决信息丢失1.2.4可编程梯度信息(PGI)：解决信息瓶颈1.2.5通用高效层聚合网络（GELAN）：实现更高的参数利用率和计算效率1.2.6结论：合作与创新2.代码1.YOLOv
从零开始的奋豆·2024-08-25 13:39
上一页 13 14 15 16 17 18 19 20 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他