飞机发动机剩余寿命预测

深度学习复习笔记（6）线性回归——新冠预测项目

importmatplotlib.pyplotaspltimporttorch#框架importnumpyasnp#矩阵处理importcsv#读excel文件fromtorch.utils.dataimportDataLoader,Dataset#两个与数据处理相关的包，类Datasetimporttorch.nnasnn#类nn.Module需要用，损失函数需要用fromtorchimport
Kriol·2025-03-12 03:27

时态知识图谱补全任务为什么要进行损坏四元组过滤？

以下详细解释为什么要进行这样的过滤：1.避免模型因预测正确事实而受到惩罚问题：在知识图谱（KG）或时序知识图谱（TKG）的链接预测任务中，模型需要为查询（如((s,r,?,t))）生成候选答案。
sauTCc·2025-03-12 02:51

无人机仿真XTDrone学习四：XTDrone键盘控制无人机程序分析（MAVRos）一

XTDrone键盘控制无人机例程仿真XTDrone键盘控制无人机例程CSDN学习与转载仿真用键盘控制无人机飞行在一个终端运行（启动gazebo，出现了场景和飞机）cd~/PX4_Firmwareroslaunchpx4indoor1
狮城乐哥·2025-03-12 02:48

【AI深度学习网络】Transformer时代，RNN（循环神经网络）为何仍是时序建模的“秘密武器”？

在自然语言处理、语音识别、时间序列预测等领域，数据本质上是序列化的——即当前数据点与前后数据点存在依赖关系。传统的前
arbboter·2025-03-12 02:18

旋翼机自主着陆-主要技术难点

目标为几个像素，并且淹没在环境里完全没有任何目标或目标偶尔出现，如何进行导航中远距离目标部分容易被遮挡，如何进行目标检测在光线条件较差的环境下，目标检测出现误判和无法工作的情况近距离目标在视场中占据较大部分，飞机的剧烈姿态变换容易引起目标丢失受到飞机震动和相机抖动限制
兜兜有糖_DC·2025-03-12 02:17

无人机动态追踪技术难点与距离分析！

多目标跟踪与遮挡处理**：目标被遮挡或短暂消失时，需通过轨迹预测或特征匹配恢复跟踪，对算法的记忆能力和实时性要求极高。实时性要求**：算法需
云卓SKYDROID·2025-03-12 01:15

代码随想录算法营Day57 ｜ 孤岛的总面积，沉没孤岛，水流问题，建造最大岛屿

孤岛的总面积这道题先将靠近边界线上的岛屿都放置为0，然后再用深度或者广度搜索算法去计算剩余的孤岛总面积count=0position=[[1,0],[0,1],[-1,0],[0,-1]]defdfs(
寂枫zero·2025-03-12 01:42

基于PyTorch的深度学习——机器学习1

监督学习是最常见的一种机器学习类型，其任务的特点就是给定学习目标，这个学习目标又称标签、标注或实际值等，整个学习过程就是围绕如何使预测与目标更接近而来的。
Wis4e·2025-03-12 00:31

华为OD E卷 #16 机场航班调度

题目A市机场停放了多架飞机，每架飞机都有自己的航班号CA3385，CZ6678，SC6508等，航班号的前2个大写字母（或数字）代表航空公司的缩写，后面4个数字代表航班信息。
时光回响·2025-03-11 23:53

探索未来：FacebookResearch的JEPa项目详解

它是一个用于程序理解和属性预测的深度学习框架，旨在提升代码的理解和自动化程度，为开发者提供更智能的编程辅助工具。技术分析**1.
瞿旺晟·2025-03-11 23:21

I-JEPA：联合嵌入预测架构的自监督学习实现

I-JEPA：联合嵌入预测架构的自监督学习实现I-JEPAImplementationofI-JEPAfrom"Self-SupervisedLearningfromImageswithaJoint-EmbeddingPredictiveArchitecture
平奇群Derek·2025-03-11 23:21

时间序列预测之移动平均法预测模型

时间序列预测之移动平均法预测模型1.时间序列预测法概述1.1时间序列的基本特征1.2时间序列的分类1.3时间序列的影响因素分析2移动平均数预测模型2.1一次移动平均法2.2二次移动平均法2.3基于Python
皖山文武·2025-03-11 23:20

什么是JEPA（联合嵌入预测架构），它与现有技术有何不同？

联合嵌入预测架构（JEPA）是一种新的预测建模方法，旨在通过在表示空间中进行预测，而不是直接生成详细的像素级输出，从而提高模型的效率和准确性。
百态老人·2025-03-11 22:46

跨领域算法安全优化与可解释实践

通过整合联邦学习的分布式架构与量子计算的高效特性，构建兼顾隐私保护与运算效率的算法优化范式，同时引入动态可解释性分析技术，为医疗影像诊断、金融风险预测等高敏感场景提供决策透明度保障。
智能计算研究中心·2025-03-11 22:43

智能算法安全与跨领域创新实践

在应用场景层面，医疗影像诊断、金融风险预测与自动驾驶系统等关键领域已形成算法效能与安全性的双重验证体系，其中超参数优化、特征工程
智能计算研究中心·2025-03-11 22:13

算力安全创新驱动未来趋势endofsentence

关键数据：根据IDC预测，到2025年全球智能算力需求将增长30倍，
智能计算研究中心·2025-03-11 22:42

【排序算法】选择排序

第一次从待排序的数据（元素）中选出最小（或最大）的一个元素，存放在数组的起始位置，然后再从剩余的没有排序的元素中寻找到最小（大）元素，然后放到已排序的数组的末尾。
啥也不会干的小码·2025-03-11 20:29

一学就会的深度学习基础指令及操作步骤（5）使用预训练模型

文章目录使用预训练模型加载预训练模型图像加载与预处理预测使用预训练模型查看模型库和常用模型加载预训练模型fromtorchvision.modelsimportvgg16#VGG16模型架构的定义fromtorchvision.modelsimportVGG16
小圆圆666·2025-03-11 19:53

AI应用基于DJL开发WEB应用对鞋分类进行预测和推理------AI

packagecom.alatus.djl.app;importai.djl.MalformedModelException;importai.djl.translate.TranslateException;importcom.alatus.djl.service.InterferenceService;importcom.alatus.djl.service.TrainService;impo
旧约Alatus·2025-03-11 18:49

卡尔曼滤波算法从理论到实践：在STM32中的嵌入式实现

卡尔曼滤波是一种最优递归估计算法，通过融合预测值（系统模型）与观测值（传感器数据），在噪声干扰环境下实现对系统状态的动态估计。其核
DOMINICHZL·2025-03-11 17:36

深度学习：偏差和方差

偏差（Bias）偏差衡量了模型预测值的平均值与真实值之间的差距。换句话说，偏差描述了模型预测的准确度。
壹十壹·2025-03-11 16:25

ES6之解构

文章目录ES6之解构一、数组解构1.基本解构2.部分解构3.默认值4.剩余参数5.嵌套解构6.交换变量二、对象解构1.基本解构2.重命名3.默认值4.剩余参数三、函数参数结构1.数组参数解构2.对象参数解构
Hopebearer_·2025-03-11 15:17

基于transformer实现机器翻译(日译中)

文章目录一、引言二、使用编码器—解码器和注意力机制来实现机器翻译模型2.0含注意力机制的编码器—解码器2.1读取和预处理数据2.2含注意力机制的编码器—解码器2.3训练模型2.4预测不定长的序列2.5评价翻译结果三
小白_laughter·2025-03-11 15:46

【每日一题 | 2025】3.3 ~ 3.9

个人主页：Guiat归属专栏：每日一题文章目录1.【3.3】10387[蓝桥杯2024省A]训练士兵2.【3.4】P8601[蓝桥杯2013省A]剪格子3.【3.5】P9241[蓝桥杯2023省B]飞机降落
Guiat·2025-03-11 12:58

JavaScript -闭包

闭包定义:函数声明时会保存其所在的作用域(词法环境),必然有一个全局作用域,除了全局作用域剩余的对于当前函数来说叫--闭包闭包特征:函数在声明时会保存其所在的所有作用域(词法环境)闭包本质:作用域中所使用到的值组成的对象闭包的作用
嗷呜~嗷呜~呜呜~·2025-03-11 12:55

R+VIC 模型融合实践技术应用及未来气候变化模型预测

虽然，这些软件有各自的优点；但是，由于适用的尺度主要的是中小流域，所以在预测气候变化对水文过程影响等方面都有所不足。
weixin_贾·2025-03-11 12:24

成功案例丨开发时间从1小时缩短到3分钟：如何利用历史数据训练AI模型，预测设计性能？

在其首个AI驱动项目——摩托车把手设计优化中，Hero采用了PhysicsAI™几何深度学习解决方案，利用历史数据训练AI模型并预测设计性能。A
Altair澳汰尔·2025-03-11 11:45

农业生产模拟和农业政策分析：WOFOST模型与PCSE模型安装、运行、数据准备；农田农作物生长模拟和产量预测等

WOFOST（WorldFoodStudies）和PCSE（PythonCropSimulationEnvironment）是两个用于农业生产模拟的模型：WOFOST是一个经过多年开发和验证的模型，被广泛用于全球的农业生产模拟和农业政策分析；采用了模块化的结构，可以对不同的农作物和环境条件进行参数化和适应；WOFOST可用于长期模拟，能够模拟整个作物生长周期，包括播种、生长、收获等各个阶段；WOF
WangYan2022·2025-03-11 11:45

【氮化镓】p-GaN HEMTs空穴陷阱低温冻结效应

以下是对文章的总结：摘要（Abstract）文章摘要指出，在低温条件下，p-GaNHEMTs表现出一种冻结陷阱效应，导致空穴载流子被捕获在长寿命状态中，从而影响载流子传输。
北行黄金橘·2025-03-11 08:28

AI人才争夺战升级、算力投资加码与阿里千亿AI豪赌：重塑未来科技格局的三大核心战场

据预测，到2030年，中国AI人才缺口将达400万，而美国A
meisongqing·2025-03-11 08:58

一学就会的深度学习基础指令及操作步骤（6）迁移学习

文章目录迁移学习模型准备数据增强模型训练模型微调和预测检查预测结果迁移学习迁移学习是将一个任务中学到的知识应用到另一个相关任务上，以提高新任务的学习效率和性能。
小圆圆666·2025-03-11 07:49

AI 技术 引入 RTK（实时动态定位）系统，可以实现智能化管理和自动化运行

AI解决方案：使用深度学习模型（如卷积神经网络CNN）预测整周模糊度。通过历史数据训练模型，实现快速解算。实例：某无人机公司使用A
小赖同学啊·2025-03-11 06:39

供应链工作效率如何提升

提升供应链工作效率可以从以下几个关键方面入手：1.优化供应链管理数据驱动决策：利用AI和大数据分析，提高预测准确性，优化库存管理。
dev.null·2025-03-11 04:21

基于双向长短期记忆神经网络结合多头注意力机制(BiLSTM-Multihead-Attention)的单变量时序预测

目录1、代码简介2、代码运行结果展示3、代码获取1、代码简介基于双向长短期记忆神经网络结合多头注意力机制(BiLSTM-Multihead-Attention)的单变量时序预测(单输入单输出)1.程序已经调试好
机器学习和优化算法·2025-03-11 03:42

括号生成

如果还有剩余的左括号（left>0），则可以添加一个左括号，并且递归调用后，right增加1（因为在合法括号序列中，
LIHAORAN99·2025-03-11 02:05

决策树（Decision Tree）：机器学习中的经典算法

其核心思想是通过一系列的规则判断，将数据集不断划分，最终形成一棵树状结构，从而实现预测目标。在决策树中，每个内部节点表示一个特征，每个分支代表一个特征的取值，每个叶子节点对应一个类别或预测值。
Jason_Orton·2025-03-10 18:39

vite+vue+ts+element-plus从零开发管理后台框架(08)-顶部整体布局

中间使用剩余空间，主要是显示菜单折叠按钮和多页签。布局编辑src/views/Main.vue，template段el-header修改如下。
·2025-03-10 18:54

用双色球数据集微调后的大模型

最近用Qwen/Qwen1.5-1.8B-Chat大模型来微调训练双色球2003001-2025011的数据集，实验测一下大模型出球的预测情况。
qq_29790801·2025-03-10 17:33

利用大型语言模型进行市场分析与预测

这些数据蕴藏着丰富的市场信息，可以帮助企业更好地了解消费者需求、预测市场趋势、优化营销策略。然而，传统的数据分析方法往往难以有效地处理和分析这些非结构化文本数据。
AI天才研究院·2025-03-10 16:27

基于DeepSeek的智能数据分析和自动化处理系统：引领BI行业新变革

在指标分析上，系统擅长统计分析、异常检测和趋势预测，助力
招风的黑耳·2025-03-10 16:56

大话机器学习三大门派：监督、无监督与强化学习

以武侠江湖为隐喻，系统阐述了机器学习的三大范式：监督学习（少林派）凭借标注数据精准建模，擅长图像分类等预测任务；无监督学习（逍遥派）通过数据自组织发现隐藏规律，在生成对抗网络（GAN）等场景大放异彩；强化学习
安意诚Matrix·2025-03-10 15:44

从零开始学机器学习——什么是机器学习

首先给大家介绍一个很好用的学习地址：https://cloudstudio.net/columns机器学习在这里简要介绍机器学习：它利用真实世界或生成的数据，自动发现其中的规律和模式，从而实现对未来情况的预测
努力的小雨·2025-03-10 14:12

1.3 DeepSeek 技术栈的定位与AI赋能场景

*五、企业级落地实践****六、开发者生态建设****七、技术演进路线****本章核心价值总结**一、DeepSeek技术全景定位1.1技术栈层级架构应用能力层开发框架层AI核心引擎基础设施层智能对话预测分析图像理解决策优化
北辰alk·2025-03-10 14:42

手机租赁系统全链路开发实战

内容概要如果把手机租赁系统开发比作造车，那信用评估模块就是发动机，区块链存证是行车记录仪，而物流追踪则是GPS导航——缺了哪个环节都可能导致项目"抛锚"。
红点聊租赁·2025-03-10 14:09

Spark-TTS：基于大模型的文本语音合成工具

一、介绍SparkTTS完全基于Qwen2.5构建，无需额外的生成模型，它不依赖于单独的模型来生成声学特征，而是直接从LLM预测的代码中重建音频。这种方
CITY_OF_MO_GY·2025-03-10 13:35

【人工智能】随机森林的智慧：集成学习的理论与实践

随机森林（RandomForest）是一种强大的集成学习算法，通过构建多棵决策树并结合投票或平均预测提升模型性能。
蒙娜丽宁·2025-03-10 13:32

数据集与云计算：云端数据集的管理与应用

通过分析和理解这些数据，我们可以识别趋势、预测未来行为并做出更明智的决策
AI天才研究院·2025-03-10 10:45

AF3 block_delete_msa函数解读

推理（inference）时不会使用，因为完整MSA对预测准确性很重要。源代码：#Notusedininference@curry1defblock_delete_
qq_27390023·2025-03-10 10:43

论文阅读笔记——Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware

具体来说，当智能体（agent）在测试时遇到训练集中未见过的情况时，可能会产生预测误差。这些误差会逐步累积，导致智能体进入未知状态，最终
寻丶幽风·2025-03-10 09:09

信号处理应用：控制系统中的信号处理_（2）.控制系统的数学建模

数学模型可以描述系统的动态行为，帮助我们理解和预测系统的响应。本节将详细介绍控制系统的数学建模方法，包括传递函数、状态空间模型和频域分析。
kkchenkx·2025-03-10 08:57
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他