JackYang - 博客园

2024年6月6日

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

posted @ 2024-06-06 16:08 JackYang 阅读(5607) 评论(0) 推荐(1)

Tanimoto系数（Tanimoto Coefficient）

摘要：起源 Tanimoto系数，也被称为谷本系数或广义Jaccard相似系数，起源于化学信息学领域，用于比较分子和分子之间的相似度。其概念源于Jaccard系数，由Paul Jaccard在1901年首次提出，并在化学信息学中得到发展和应用。原理 Tanimoto系数基于集合论的概念，用于量化两个集合阅读全文

posted @ 2024-06-06 14:47 JackYang 阅读(3897) 评论(0) 推荐(1)

2024年6月5日

Java的图数据结构探索-常用的算法快速入门

摘要： 1. 概述在本教程中，我们将了解图作为数据结构的基本概念。我们还将探讨它在 Java 中的实现以及在图上可能进行的各种操作。我们还将讨论提供图实现的 Java 库。延伸阅读： Java 中的 Dijkstra 最短路径算法 JGraphT简介 2. 图数据结构图是一种数据结构，用于存储连接的阅读全文

posted @ 2024-06-05 20:54 JackYang 阅读(178) 评论(0) 推荐(0)

Spring AI之ChatClient源码分析

摘要：简介 ChatClient 是一个接口，它定义了一个与聊天服务交互的客户端。这个接口主要用于创建聊天客户端对象，设置请求规范，以及发起聊天请求。以下是接口中各个方法的详细解释：静态方法： create(ChatModel chatModel)：创建一个 ChatClient 实例，使用给定的 Ch 阅读全文

posted @ 2024-06-05 17:15 JackYang 阅读(1484) 评论(0) 推荐(1)

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

posted @ 2024-06-05 17:08 JackYang 阅读(977) 评论(0) 推荐(0)

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

posted @ 2024-06-05 15:34 JackYang 阅读(388) 评论(0) 推荐(0)

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

posted @ 2024-06-05 14:52 JackYang 阅读(1060) 评论(0) 推荐(0)

前馈神经网络（Feed-Forward Neural Network）

摘要：前馈神经网络（Feed-Forward Neural Network，简称FNN）是一种基本且广泛应用的人工神经网络结构。以下是关于前馈神经网络的详细解释： 1. 定义与结构定义：前馈神经网络是最简单的一种神经网络，其各神经元分层排列，每个神经元只与前一层的神经元相连，接收前一层的输出，并输出给下阅读全文

posted @ 2024-06-05 09:02 JackYang 阅读(2511) 评论(0) 推荐(0)

自适应梯度算法AdaGrad（Adaptive Gradient Algorithm）

摘要：起源： AdaGrad（Adaptive Gradient Algorithm）起源于对深度学习训练过程中学习率自适应调整的需求。传统的梯度下降方法使用固定的学习率，但在实际训练过程中，不同的参数可能需要不同的学习率来进行更新。AdaGrad就是为了解决这一问题而提出的。定义： AdaGrad是一阅读全文

posted @ 2024-06-05 00:52 JackYang 阅读(929) 评论(0) 推荐(0)

梯度下降法Gradient Descent中如何选择合适的学习率

摘要：在梯度下降法中，学习率（learning rate）的选择对算法的性能和结果具有至关重要的影响。以下是选择合适学习率的一些建议和策略：初始猜测：通常会先从一个较小的学习率开始尝试，如0.01，然后根据迭代效果和收敛速度进行调整。另一种常见的方法是尝试一系列呈指数增长的学习率，例如0.001, 0 阅读全文

posted @ 2024-06-05 00:29 JackYang 阅读(464) 评论(0) 推荐(0)