作者小头像 Lv.6
更多个人资料
3209 成长值
2 关注
2 粉丝
+ 关注 私信

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

自动化运维、大数据、数据库
个人勋章
TA还没获得勋章~
成长雷达
3165
24
0
0
20

个人资料

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

自动化运维、大数据、数据库

达成规则

以上满足项可达成此勋章

  • 博客
  • 关注
  • 粉丝
  • 论坛
全部时间
全部时间
最近三天
最近一周
最近一月
  • 全部
  • 暂无专栏分类
图神经网络表达能力：从WL测试到高阶同态卷积
图神经网络表达能力：从WL测试到高阶同态卷积 引言图神经网络（GNN）作为处理图结构数据的强大工具，已在社交网络分析、分子结构预测、推荐系统等领域取得了显著成功。然而，GNN的表达能力究竟有多强？它能够区分哪些类型的图结构？这些问题的答案对于理解GNN的潜力和局限性至关重要。本文将从经典的Weisfeiler-Lehman（WL）图同构测试出发，深入探讨GNN表达能力的理论基础，并介绍最新...
神经网络
作者小头像 江南清风起 2025-11-13 10:04:02
2
0
0
2025-11-13 10:04:02
2
0
0
强化学习中的遗憾界：从线性MDP到一般函数逼近
强化学习中的遗憾界：从线性MDP到一般函数逼近 引言在强化学习理论研究中，遗憾界（Regret Bound）是评估算法性能的核心指标之一。遗憾衡量了算法累积奖励与最优策略累积奖励之间的差距，反映了算法的学习效率。近年来，从线性马尔可夫决策过程（MDP）到一般函数逼近的遗憾界分析，已成为强化学习理论的前沿研究方向。本文将深入探讨这一领域的关键理论结果，并提供详细的代码实例来说明相关算法的实现...
作者小头像 江南清风起 2025-11-12 09:57:37
26
0
0
2025-11-12 09:57:37
26
0
0
联邦学习中的模型异构性：个性化聚合算法收敛界综述
联邦学习中的模型异构性：个性化聚合算法收敛界综述 1 引言联邦学习作为一种新兴的分布式机器学习范式，能够在保护数据隐私的前提下，利用分布在多个设备或机构的数据协同训练模型。其核心理念是数据不动模型动，即原始数据保留在本地，仅通过交换模型参数或梯度更新来实现协同训练。然而，联邦学习在实际部署中面临诸多挑战，其中模型异构性是一个关键问题。模型异构性指的是联邦学习中不同客户端由于数据分布、系统资...
机器学习
作者小头像 江南清风起 2025-11-11 16:20:21
45
0
0
2025-11-11 16:20:21
45
0
0
大语言模型涌现能力的可解释性：临界现象还是度量假象？
大语言模型涌现能力的可解释性：临界现象还是度量假象？ 引言：当"涌现"成为热词2022 年以来，随着 GPT-3.5/4、PaLM、Claude 等千亿级模型的发布，"Emergent Abilities（涌现能力）"一词几乎成了大模型营销的标配：模型规模突破某临界点后，突然就会做加减法、写代码、解逻辑题。学术圈却出现了两种针锋相对的声音：临界派（Criticality Hypothesi...
Python 机器学习
作者小头像 江南清风起 2025-11-11 16:18:37
37
0
0
2025-11-11 16:18:37
37
0
0
从VAE到Diffusion：生成模型演进背后的概率图视角
从VAE到Diffusion：生成模型演进背后的概率图视角 引言生成模型是人工智能领域最令人兴奋的方向之一，其目标是从训练数据中学习潜在分布，并生成新的样本。从变分自编码器（VAE）到扩散模型（Diffusion Models），这一演进历程不仅带来了生成质量的飞跃，更体现了概率图模型思想的深化发展。本文将从概率图的视角，深入剖析这一演进路径的内在逻辑，并提供详细的代码实现。 概率图模型基...
机器学习 网络
作者小头像 江南清风起 2025-11-09 16:52:11
52
0
0
2025-11-09 16:52:11
52
0
0
面向大模型智能体的硬件加速器设计与优化
面向大模型智能体的硬件加速器设计与优化 引言：大模型时代的硬件挑战随着大模型参数规模从亿级迈向万亿级，传统通用处理器已无法满足其计算需求。Transformer架构的广泛采用带来了独特的计算模式：矩阵乘法的计算密度与注意力机制的内存访问特性形成鲜明对比。研究表明，在千亿参数模型推理时，内存带宽而非计算能力成为主要瓶颈，访存能耗占总能耗的60%以上。硬件加速器设计面临多重挑战：计算单元利用率...
作者小头像 江南清风起 2025-11-08 17:29:51
40
0
0
2025-11-08 17:29:51
40
0
0
大模型智能体的超参数自动调优技术探索
大模型智能体的超参数自动调优技术探索 引言：超参数调优的重要性与挑战随着大模型智能体在各种复杂任务中展现出惊人能力，如何最大化其性能已成为业界关注的重点。超参数作为控制模型训练过程与结构的关键配置，直接影响着模型的收敛速度、最终效果和资源效率。然而，大模型智能体的超参数空间极其庞大，传统手动调参方法不仅耗时耗力，而且难以找到最优配置。超参数优化面临着多重挑战：计算资源限制下需要高效利用有限...
作者小头像 江南清风起 2025-11-08 17:20:32
210
0
0
2025-11-08 17:20:32
210
0
0
大模型智能体的跨域迁移学习与适应性研究
大模型智能体的跨域迁移学习与适应性研究 引言：智能体的跨领域挑战与机遇近年来，AI Agent（人工智能代理）已广泛应用于自然语言处理、推荐系统、金融决策、游戏博弈等领域。然而，在面临“跨领域任务”时，AI Agent 往往面临数据稀缺、训练代价高、泛化能力差等问题。迁移学习的提出，为 AI Agent 提供了跨领域适配的技术支撑。通过将一个领域中训练好的知识迁移到另一个领域，我们可以显著...
迁移学习
作者小头像 江南清风起 2025-11-07 18:26:12
71
0
1
2025-11-07 18:26:12
71
0
1
大模型智能体在医疗影像诊断中的特征提取与识别
大模型智能体在医疗影像诊断中的特征提取与识别随着人工智能技术的快速发展，大模型智能体在医疗影像诊断领域正掀起一场革命。本文将深入探讨大模型智能体如何通过先进的特征提取与识别技术，改变医疗影像的诊断方式，并提供详细的代码实例展示这一过程的具体实现。 医疗影像诊断中大模型智能体的技术基础大模型智能体在医疗影像诊断中的核心价值在于其能够模仿甚至增强人类专家的诊断思维过程。与传统医疗AI模型相比，...
医疗影像
作者小头像 江南清风起 2025-11-07 18:21:29
55
0
0
2025-11-07 18:21:29
55
0
0
基于大模型智能体的代码生成与优化技术
基于大模型智能体的代码生成与优化技术 引言在人工智能迅猛发展的今天，基于大模型的智能体正在彻底改变软件开发的范式。代码生成与优化作为AI在编程领域的核心应用，已经从简单的代码补全工具演变为能够理解复杂需求、生成高质量代码并持续优化的智能编程伙伴。本文将深入探讨大模型在代码生成与优化中的关键技术，通过详细的代码实例展示其实现原理，并分析这一技术对未来软件开发模式的深远影响。随着GPT-4、C...
作者小头像 江南清风起 2025-11-06 15:18:49
91
0
0
2025-11-06 15:18:49
91
0
0
总条数：331
10
10
20
50
100
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • ...
  • 34

上滑加载中

https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
作者小头像
作者小头像
快速交付
+ 关注