fig
-
机器学习二维系统相变
本文基于凝聚态物理中Ising模型的相变理论，利用机器学习技术（如卷积网络）对其相变进行分类。通过蒙特卡洛模拟生成数据集，区分有序（有磁性，序参量非零）与无序（无磁性，序参量为零）状态，完成数据集处理、模型组网、训练及验证，实现对Ising模型相变的有效区分。 ☞☞☞AI 智能聊天, 问答助手, A…
-
飞桨常规赛：点击反欺诈预测-10月第2名方案
本文围绕广告欺诈预测这一二分类任务展开，流程涵盖数据分析、特征工程等。对类别特征用Embedding处理，连续特征标准化；模型维持baseline结构，含embedding、concat等层，采用RMSProp优化器与交叉熵损失。还指出可从特征工程、模型结构等方面改进。 ☞☞☞AI 智能聊天, 问答…
-
家具家电通用三维图文大模型系统中的首创无需指导、泛化使用形象化模型
这几天，家务活都被机器人抢着干了。 前脚来自斯坦福的会用锅的机器人刚刚登场，后脚又来了个会用咖啡机的机器人 Figure-01 。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜ Figure-01只需观看示范视频，再进行10小时的训练，就能…
-
『行远见大』让 Matplotlib 生成的图表显示汉字
该项目解决了AI Studio上Matplotlib生成图表无法显示汉字的问题，内置微软雅黑、楷体等五种字体。以国民经济核算季度数据为例，展示了散点图、折线图、直方图、饼图的绘制，供学习参考，致敬开源，无商业用途。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSee…
-
从开发到部署：自动化机器学习
构建机器学习 (ml) 模型既引人入胜又复杂，需要仔细完成一系列步骤。从机器学习模型开发到部署，是人工智能落地的关键阶段。一个基于正确算法和相关数据、经过良好训练的模型，能够涵盖开发阶段，之后的重点将转向部署。 部署机器学习模型可能是一个繁琐的过程：构建 API、容器化、管理依赖项、配置云环境以及设…
-
百度网盘AI大赛-表格检测进阶：表格的结构化优胜方案
百度网盘AI大赛表格结构化赛题需检测表格、行、列及合并单元格。方案选用ppyoloe-plus X网络，通过扩充有遮挡数据、增大训练resize尺寸、替换SIOU为回归损失优化，经300轮训练，单图耗时合规，获第9名，还提及有效、无效策略及待优化点。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜…
-
【飞桨常规赛】GAMMA中央凹检测 11月第2名方案
本文围绕GAMMA挑战赛黄斑中央凹定位任务展开，使用中山大学提供的200个眼底彩照样本（100训练、100测试）。采用Unet结合heatmap方法，经5折交叉验证训练5个模型，取平均预测结果。通过热力图精确定位，损失函数含方差奖励提升收敛，最高得分9.07791。 ☞☞☞AI 智能聊天, 问答助手…
-
利用知识图谱增强RAG模型的能力和减轻大模型虚假印象
在使用大型语言模型(llm)时，幻觉是一个常见问题。尽管llm可以生成流畅连贯的文本，但其生成的信息往往不准确或不一致。为了防止llm产生幻觉，可以利用外部的知识来源，比如数据库或知识图谱，来提供事实信息。这样一来，llm可以依赖这些可靠的数据源，从而生成更准确和可靠的文本内容。 向量数据库和知识图…
-
软硬约束下的轨迹生成：理论与代码详解
本项目代码： github.com/liangwq/robot_motion_planing 轨迹约束中的软硬约束 前面的几篇文章已经介绍了，轨迹约束的本质就是在做带约束的轨迹拟合。输入就是waypoint点list，约束条件有两种硬约束和软约束。所谓硬约束对应到数学形式就是代价函数，硬约束对应的就…
-
【Paddle打比赛】百度网盘AI大赛-图像处理挑战赛文档检测优化赛ONNX方案
该内容围绕文档扫描比赛展开，介绍任务为识别文档边缘并输出扫描结果。用户曾对四角点定义存疑，后明确为左上、左下、右上、右下。解题先按生成边缘heatmap处理，用SegFormer3模型分割，经二值化、去噪、提取轮廓，后将模型转为ONNX以适配提交，最终生成提交文件。 ☞☞☞AI 智能聊天, 问答助手…
