人工智能

目标检测算法

(一)目标检测算法的介绍 (1)R-CNN 算法的核心是,首先使用启发式搜索算法来选择锚框。使用与训练模型对锚框内的特征进行抽取。训练一个SVM来对类别分类。然后是训练一个线性回归模型来预测边缘框偏移。 rcnn 这里有一个重要的问题是,锚框的大小是不确定的。那就出现了一个问题,怎么来组成一个形状一样的batch呢?这个模型使用的是兴趣区域(Rol)池化层。 rol pool

【哈佛大学:计算生物学 & 生物信息学】学习记录(三)

局部比对算法 —— Smith-Waterman Algorithm Swimt-Waterman算法本质上是一种Dynamic Programming(动态规划算法),和Needleman算法有许多相同之处。其分为3个步骤:Initialization —— Matrix Filling —— Trace Back。 Swith-Waterman算法相较于Needleman-Wunsch算法最大

CompletableFuture

一、定义 CompletableFuture提供了非常强大的Future扩展功能,可以帮助我们简化异步编程的复杂性,提供了函数式编程的能力,可以通过回调的方式处理结果,也提供了转换和组合CompletableFuture的方法。 可能代表一个明确完成的Future,也可能代表一个完成阶段,支持在计算完成以后触发一些函数或执行某些动作 实现了Future和CompletionStage接口

[源力觉醒 创作者计划]_文心大模型4.5开源:从技术突破到生态共建的国产AI解读与本地部署指南

一起来轻松玩转文心大模型吧👉 文心大模型免费下载地址 1. 摘要2025年6月30日,百度正式宣布文心大模型4.5系列全面开源,这一里程碑事件标志着国产人工智能技术从"闭门造车"的追赶阶段迈入"开放共建"的领跑时代。作为覆盖0.3B到424B参数规模的完整模型矩阵,文心4.5不仅在技术架构上实现了混合专家&#

从0到1:让AI赋能计算机的全流程实践指南

🎁个人主页:User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏:AI 【前言】 在数字化浪潮席卷全球的今天,AI(人工智能)早已不是科幻电影中的虚构概念,而是切实融入到我们的计算机应用中。无论是数据处理、图

433. 【数据库技术基础】大数据的特征

大数据(Big Data)是指“无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合”。业界通常用 “4V” 来概括大数据的特征。 大量化(Volume)指数据体量巨大。随着 IT 技术的迅猛发展,数据量级已从 TB 发展至 PB 乃至 ZB,可称海量、巨量乃至超量。当前,典型个人计算机硬盘的容量为 TB 量级,而一些大企业的数据量已经接近 EB 量级。 多样化(Var

AI外挂RAG:大模型时代的检索增强生成技术

 目录引言一、RAG是什么? 二、RAG为什么会出现?三、RAG的工作原理四、RAG的技术优势五、RAG的应用场景六、RAG对AI行业的影响七、RAG面临的挑战引言        在人工智能领域,大型语言模型(LLM)如ChatGPT、DeepSeek等已经展现出惊人的能力,但它们也面临着一些固有局限&#xff1a

为什么相关性不是因果关系?人工智能中的因果推理探秘

目录一、背景(一)聚焦当下人工智能(二)基于关联框架的人工智能(三)基于因果框架的人工智能二、因果推理的基本理论(一)因果推理基本范式:因果模型(Structure Causal Model)(二)因果推理基本范式&#