人工智能
Ai提示词不会写，看这一篇就够了！（附：套用模板）
如果你已探索过豆包Ai、Kimi、智谱清言等生成式AI工具，那么你对“prompt”（提示词）这一核心概念一定有自己的认知和理解。这里所谓的提示词，其实就是人和AI交互时的输入，是连接你与AI创意源泉的桥梁，“prompt”不仅是触发无限想象的钥匙，更是塑造AI输出内容品质的灵魂所在。它可以是一个问题
一文详解对抗训练方法
对抗训练方法
Adversarial learning主要是用于样本生成或者对抗攻击领域，主要方法是通过添加鉴别器或者根据梯度回传生成新样本，其主要是为了提升当前主干模型生成样本的能力或者鲁棒性
一. 对抗训练定义
==对抗训练是一种引入噪声的训练方式，可以对参数进行正则化，提升模型鲁棒性和泛化能力==
1.1 对抗训练特点
相对于原始输入，所添加的扰动是微小的
添加的噪声可以使得模型预测错
Mediapipe实现手势识别教程
1 编写背景 在2024年的高效智能创意大赛中，有一个手势识别的任务，需要通过四足机器人的摄像头识别手势然后做出相应动作。在这我将介绍我的手势识别的思路和相关代码，已记录我那2024.7.21死去的比赛。2 任务要求 比赛规则如下： 3 问题分析与解决3.1 MediaPipe介绍
预热： 四维（及以上）概念
什么是四维？
或许你压根就没接触过，你只知道什么是三维。
那么这一章节，就是带你接触四维概念的。
首先，最基础的定义想必大家都知道：
一维点，二维线，三维体，四维是时间，五维······
光是讲概念真的非常好理解，就是在三维的抽象概念上加上时间轴【虚指】
啊问题来了，四维空间是什么样的？
（以下为个人观点）
我们都知道，高维可以看到低维，但低维不可以看到高维。
我们看不到四维。
举一个很著名的悖
一网打尽GEO数据集全目录信息
1 GEO菜单初览
1.1 GDS目录
1.2 GPL目录
1.3 GSE目录
1.4 GSM目录
2 使用R包rvest下载GEO菜单
2.1 以GPL数据的一个页面为例
2.2 批量下载GPL数据目录
2.3 批量下载GSE数据目录
2.4 批量下载GSM数据目录
2.5 保存及更新下载的数据
3 使用R包tidyverse整理GEO菜单
3.1 整理GPL数据目录
3.2 整理GSE数据目录
关于“量”现象的思维提纲
静月园
2022 08 01
一： 量
量：liang （文字释义绳略）
量，是自然界的一种存在状态。
当这种状态具有界限或者范围属性，它表现为空间。
当量的存在状态单位可以明确的界定，那么会产生数量。即你可以知道量是有限的 可以计量多少的。
量是属于自然的存在状态。
量和数是不同的两个概念。
量是物体自然的存在状态，
使用函数作为参数 传递数据，封装阿里 easyexcel 导出，导入大数据量 excel
注意 数据是 从函数里面拿到，很多语言都支持 函数作为参数，java8 之后也支持
函数作为参数 有些不好理解，但是 很多写法 就是比较灵活了 如Scala 代码就十分优雅，鼓励用
/**
* 大数量导出
* @param fileName 生成文件地址
* @param head 表头
* @param pageSize 页大小
* @
网络拓扑图可以用AI绘制了吗？常用工具列举探索
绘制网络拓扑图，目前业内有多款工具可供选择，而在AIGC的大趋势下，如果能通过AI自动生成各类网络拓扑图就更香了；以此为目的，针对主要的几款工具进行了AI方面的探索，然而我们想的还是太美好了，AI的福音还没有吹到拓扑图绘制的领域，但从当下的几款工具，我们也可从功能上探知一二
回归分析案例分析全流程
一、案例说明
1.案例数据
在“工资影响因素”的调查问卷中，调查了每个人的起始工资、工作经验、受教育年限、受雇月数、职位等级以及当前工资六个方面。
2.分析目的
目的是建立以当前工资为因变量的回归模型，并得出结论。[案例来源于：SPSS统计分析（第5版）卢纹岱,朱红兵主编，案例有一些变动 具体请看分析。]
二、数据清理
在数据分析之前，首先需要进行数据查看，包括数据中是否有异常值，无
