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

R语言编程-Tidyverse 书籍 - 数据清洗

1 描述统计 不同概率分布就是不同随机现象规律性的数学描述。 统计学最常用的四大概率分布:正太分布,t分布, 卡方分布,F分布。 数据分布形状的统计量: 偏度(skewness, 是否对称), 峰度(Kurtosis,以标准正太分布为基准) 多个统计参数分析- rstatix::get_summary_stats(), dlookr::desicribe() 列联表- janitor包提供的ta

基于模型上下文协议(MCP)的可插拔式临床AI工具链Clinical DS研究(上)

摘要 本研究旨在解决医疗人工智能(AI)在临床落地中面临的核心挑战:如何在严格合规与数据安全的前提下,构建可信赖、可审计、可灵活扩展的智能诊疗辅助系统。传统的单体式AI应用存在“黑盒”风险、难以审计、能力扩展与合规迭代耦合等问题。为此,本文提出并详细论述了一种基于新兴的模型上下文协议的**“可插拔式临床AI工具链”**架构。该架构将复杂的医疗AI系统解构为三个层次:Host(智能体)、MCP S

传统瀑布模型简史

0x00 前言 因为要学习DevSecOps的原因,有必要对传统模型进行学习,所以写此篇进行认识和学习 0x01 瀑布模型简史 Winston Royce 1970 年提出 瀑布模型,在80年代初,唯一广泛采用的软件开发模型。 1988年 美国3D Systems公司率先推出快速原型实用装置—激光立体造型即SLA 1988年 Barry Boehm提出了螺旋模型 1994年开始,鼓励采用迭代模型

2、面向对象和面向过程的区别

面向对象和面向过程的区别: 面向过程:      是分析解决问题的步骤,然后用函数把这些步骤一步一步的实现,然后在使用的时候一一调用.       性能较高,所以单片机、嵌入式开发等一般采用面向过程开发. 面向对象:     是把构成问题的事务分解成各个对象,而建立对象的目的也不是为了完成一个个步骤,而是为了描述某个事物在解决整个问题的过程中所发生的行为.     面向对象有封装、继承、多态的特性

与AI沟通的正确方式——AI提示词:原理、策略与精通之道

文章目录 第一章:提示词革命——AI时代的新语言 1.1 从命令行到自然语言:人机交互的范式转变 1.1.1 历史脉络中的交互演进 1.1.2 提示词的本质:思维的结构化投射 1.2 提示词为何如此重要:放大人类智能的杠杆 1.2.1 提示词作为“思维乘数” 1.2.2 经济性价值:降低AI使用

写给数据产品经理新人的工作笔记|06 不同的工具解决不同的问题 S2

数据治理工具:维表、数据质量管理 1.维表工具 在业务运营的过程当中,会不停地增加新的维度和维度值。 此类工具需要给出明确的填写规则和审核流程,避免因误录入而造成数据异常。 2.数据质量管理 做ETL、数据运营、数据分析师或者算法工程师,每个人都无数次踩进过“数据质量”这个深“坑”。 在数据治理的框架下,保证数据质量和数据安全是核心目标,而元数据是核心工具。 元数据是用于描述数据、内容、业务流程、

【R实战 基本方法】 七、基本统计分析

这里是佳奥!继图形学习后,我们开始统计分析的部分。 在数据被组织成合适的形式后,我们也开始使用图形探索数据,而下一步通常就是使用数值描述每个变量的分布,接下来则是两两探索所选择变量之间的关系。其目的是回答如下问题: 1、各车型的油耗如何?特别是,在对车型的调查中,每加仑汽油行驶英里数的分布是什么样的?(均值、标准差、中位数、值域等。)2、在进行新药实验后,用药组和安慰剂组的治疗结果(无改善、一定程

openJiuwen集成蓝耘AI模型深度解析:从架构设计到企业级Agent实战部署

前言在人工智能技术从单纯的感知智能向认知智能演进的浪潮中,大语言模型(LLM)的成熟催生了AI Agent(人工智能体)这一全新的应用形态。AI Agent不再局限于传统的单指令执行,而是演进为具备自主感知、推理规划、决策执行能力的智能实体。在这一技术变革背景下,openJiuwen作为一个致力于提