随笔分类 - 大数据与人工智能
数学开窍最佳方法
摘要：数学开窍 数学开窍即对数学的理解和应用能力有显著提升，通常需要多方面的努力和策略。以下是一些建议的最佳方法： 激发兴趣： 寻找与数学相关的有趣话题或应用，如密码学、建筑设计、音乐理论等。 参与数学竞赛或俱乐部活动，与其他对数学有兴趣的人交流。 建立扎实的基础： 复习并巩固基本概念和公式，如代数、几何
阅读全文
如何学好数学
摘要：学数学策略和方法 学好数学需要一定的策略和方法，以下是一些建议，帮助你更好地学习数学： 建立扎实的基础： 确保你理解并掌握了数学的基本概念、公式和定理。这些是构建数学知识体系的基础。 如果有任何不清楚的地方，及时向老师或同学请教，不要留下疑问。 制定学习计划： 设定明确的学习目标，并制定一个实际可行
阅读全文
数学课可以学到什么
摘要：前言 数学课是一个广泛而深入的学科领域，它涵盖了多种基本概念、原理和技能，这些对于日常生活、职业发展和更高级别的学术研究都至关重要。以下是在数学课上可以学到的一些主要内容： 基本算术技能： 加法、减法、乘法、除法 分数、小数、百分数 估算和近似计算 代数： 代数表达式、方程和不等式 线性方程、二次方
阅读全文
数学与应用数学
摘要：前言 2024年阿里巴巴全球数赛火上了天。一位年仅17岁的中专生，打败了清华北大等全世界知名院校学生，在2024阿里巴巴全球数学竞赛公布决赛中，以93分的成绩荣获全球排名第12位。 这个例子给作者很大感触，作为数学业余爱好者也想为这个行出点力，由此写下这篇整理文章 。 数学常见分支 数学分支是指数学
阅读全文
矩阵Matrix、稀疏矩阵Sparse Matrix 稠密矩阵Dense Matrix
摘要：矩阵Matrix的定义 矩阵Matrix是一个数学术语，它描述的是一个按照长方阵列排列的复数或实数集合。简单来说，就是一些数按照特定的行和列排列在一起，形成了一个矩形的表格。这种表格最早来源于方程组的系数及常数所构成的方阵，是解决线性方程问题的有力工具。 数据示例 考虑以下3x3的矩阵MatrixA
阅读全文
逻辑回归（Logistic Regression）
摘要：逻辑回归（Logistic Regression）是一种用于解决二分类问题的统计学习方法，其输出结果表示了某个事件发生的概率。以下是关于逻辑回归的详细解释： 定义与背景 定义：逻辑回归是一种广义的线性回归分析模型，用于估计二分类因变量的概率。它常用于数据挖掘、疾病自动诊断、经济预测等领域。 与线性回
阅读全文
简单数学分支整理
摘要：前言 2024年阿里巴巴全球数赛火上了天。一位年仅17岁的中专生，打败了清华北大等全世界知名院校学生，在2024阿里巴巴全球数学竞赛公布决赛中，以93分的成绩荣获全球排名第12位。 这个例子给作者很大感触，作为数学业余爱好者也想为这个行出点力，由此写下这篇整理文章 。 数学常见分支 数学分支是指数学
阅读全文
监督学习（Supervised Learning）、半监督学习（Semi-supervised Learning）、无监督学习（Unsupervised Learning）、强化学习（Reinforcement Learning）
摘要：定义 监督学习（Supervised Learning）监督学习是机器学习中最常见的一种学习方式。在这种学习方式中，我们有一组带有标签（label）的训练数据，比如一组图片和对应的分类标签（如“猫”、“狗”等）。算法的任务就是学习如何从输入数据中提取特征，并根据这些特征来预测标签。常见的监督学习算法
阅读全文
皮尔逊χ²检验（Pearson's Chi-squared Test）
摘要：起源 皮尔逊χ²检验（Pearson's Chi-squared Test），也称为卡方检验，是由英国统计学家卡尔·皮尔逊（Karl Pearson）在19世纪末提出的。它是统计学中最常用的一种非参数检验方法，最初设计用于评估观察频数与期望频数之间是否存在显著差异，常用于推断分类变量间的独立性或拟合
阅读全文
互信息（Mutual Information, MI）
摘要：起源 互信息（Mutual Information, MI）这一概念最早由克劳德·香农在信息论的开创性工作中引入，主要用来量化两个随机变量之间的相互依赖程度。它是一种衡量变量间统计相关性的非参数度量，不仅能够捕捉线性关系，还能反映非线性关系。 原理与定义 互信息测量了知道一个随机变量的值后，我们能获
阅读全文
聊天客户端（Chat Client） API
摘要：上一课：Spring AI API介绍 ChatClient，它提供了一个流畅的 API，用于与 AI 模型进行通信。 它支持同步编程模型和响应式编程模型。 Fluent API 具有用于构建包含提示语组成部分的方法，这些提示语作为输入传递给 AI 模型。 包含用于指导 AI 模型的输出和行为的说明
阅读全文
Spring AI API介绍
摘要：介绍 Spring AI API 涵盖了广泛的功能。 每个主要功能都在其单独的部分中进行了详细说明。 为了提供概述，提供了以下关键功能： AI 模型 API 可跨 AI 提供商提供可移植的模型，同时支持 API 选项。 还支持下拉以访问模型特定功能。 模型APIChatTex到语音嵌入同步流转录文本
阅读全文
Java项目如何集成Spring AI
摘要：Spring CLI（Spring命令行工具） Spring CLI 简化了直接从终端创建新应用程序的过程。 就像熟悉 JavaScript 生态系统的人的“create-react-app”命令一样，Spring CLI 提供了一个创建基于 Spring 的项目的命令。 Spring CLI 还提
阅读全文
RAG与其他生成技术相比有何优势
摘要：RAG与其他生成技术相比，具有以下优势： 提高答案的准确性： RAG技术通过从外部知识库中检索相关信息，并将其与语言模型的生成能力结合，可以显著提升生成答案的准确性。这种准确性的提升尤其体现在知识密集型任务中，如专业领域的问答系统。相比于仅依赖语言模型进行生成的技术，RAG能够更好地结合事实和数据，
阅读全文
残差连接和层归一化如何提高GPT、文心一言等大模型的性能
摘要：残差连接（Residual Connections）和层归一化（Layer Normalization）在GPT等Transformer模型中起到了关键作用，它们显著提高了模型的性能和稳定性。以下是它们如何提升GPT性能的详细解释： 残差连接 1. 缓解梯度消失问题：在深度神经网络中，随着网络层数的
阅读全文
检索增强生成（Retrieval-Augmented Generation）
摘要：起源 RAG起源于2020年Facebook的一篇论文：“Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks”。这项技术最初是为了解决知识密集型自然语言处理任务而提出的。定义RAG，全称Retrieval-Augmente
阅读全文
关于正弦和余弦函数在GPT中应用
摘要：在GPT（尤其是GPT-3及其后续版本）中，正弦和余弦函数在位置编码中起到了至关重要的作用，使得模型能够捕捉长距离依赖关系。以下是关于正弦和余弦函数在GPT中应用的详细解释：位置编码的引入：GPT等Transformer模型在处理序列数据时，由于自注意力机制（Self-Attention）的固有特性
阅读全文
余弦相似度（Cosine Similarity）
摘要：原理 余弦相似度是一种衡量两个向量之间相似性的方法，它基于向量之间的夹角余弦值来计算。在文本挖掘、推荐系统等领域，余弦相似度被广泛应用来度量文档、用户偏好等对象之间的相似性。 定义 余弦相似度通过计算两个向量之间的夹角余弦值来衡量它们的相似性。余弦值越接近1，夹角越小，说明两个向量越相似；余弦值越接
阅读全文
Transformer深度学习模型的核心特点和结构
摘要：一、前言 Transformer模型是一种基于自注意力机制的深度学习模型，主要用于处理序列数据，特别是在自然语言处理（NLP）任务中取得了显著的效果。与传统的循环神经网络（RNN）和卷积神经网络（CNN）不同，Transformer模型完全依赖于自注意力机制来捕捉输入序列中的依赖关系，从而避免了RN
阅读全文
修正余弦相似度（Adjusted Cosine Similarity）
摘要：概述 修正余弦相似度（Adjusted Cosine Similarity）是一种在文本挖掘和信息检索中常用的相似度计算方法，它是对余弦相似度的一种改进。传统的余弦相似度在计算时，只考虑了向量中各个维度的数值，而没有考虑到可能的均值偏移（mean offset）。修正余弦相似度试图通过移除均值来修正
阅读全文
浙公网安备 33010602011771号