Learning（Deep

预测导管原位癌浸润性复发的深度学习：利用组织病理学图像和临床特征

文章目录研究内容目的方法数据集模型开发模型训练与评估外部验证统计分析研究结果模型性能风险分层外部验证特征重要性原文链接原文献：Deeplearningforpredictinginvasiverecurrenceofductalcarcinomainsitu
浪漫的诗人·2025-07-20 00:43

《How to Take Smart Notes》读书笔记1

最近在读一本书，题为《HowtoTakeSmartNotes:OneSimpleTechniquetoBoostWriting,LearningandThinking–forStudents,AcademicsandNonfictionBookWriters
LY320·2025-07-19 23:19

Spring AI 项目实战（十八）：Spring Boot + AI + Vue3 + OSS + DashScope 实现高效语音识别系统（附完整源码）

系列文章序号文章名称1SpringAI项目实战（一）：SpringAI核心模块入门2SpringAI项目实战（二）：SpringBoot+AI+DeepSeek深度实战（附完整源码）3SpringAI项目实战
程序员岳彬·2025-07-19 22:57

2021-03-22 每日打卡

2.MathematicsforMachineLearning:LinearAlgebra学完了week3和week4，week5还剩大概一个小时学完，没有开始做思维导图。
来多喜·2025-07-19 21:54

Opencv学习_2 （opencv结构&显示图像）

opencv结构：1：主要包含：cxcorecvmachinelearninghighguicvcamcvaux2：cxcore:基础结构:CvPoint,CvSize,CvScalar等数组结构:cvCreateImage
·2025-07-19 20:12

野兽的呼唤~26

Thismanhadlonghairanddeepeyes,anddeepeyes,andmadestrangenoisesinhisthroat.Hewasveryfrightenedof
爱机车的异乡人·2025-07-19 19:01

AI+Python赋能！长时序植被遥感动态分析全攻略：从物候提取到生态评估

从Landsat/Sentinel卫星数据的智能化去云处理，到MODIS植被产品的AI辅助质量控制，以ChatGPT、DeepSeeK为代表的大模型技术已成为提升遥感数据处理效率与精度的核心工具——尤其在长时序植被动态监测
梦想的初衷~·2025-07-19 15:12

#Datawhale组队学习#7月-强化学习Task1

强化学习（ReinforcementLearning,RL）是机器学习中专注于智能体（Agent）如何通过与环境交互学习最优决策策略的分支。
fzyz123·2025-07-19 13:58

图机器学习（13）——图相似性检测

图机器学习（13）——图相似性检测0.前言1.基于图嵌入的方法2.基于图核的方法3.基于GNN的方法4.应用0.前言图机器学习(machinelearning,ML)方法能广泛应用于各类任务，其应用场景涵盖从药物设计到社交网络推荐系统等多个领域
·2025-07-19 13:26

不同行业的 AI 数据安全与合规实践：7 大核心要点全解析

不同行业的AI数据安全与合规实践：7大核心要点全解析关键词AI数据安全、行业合规、私有化部署、数据分类分级、国产大模型、隐私保护、DeepSeek部署摘要随着国产大模型在金融、医疗、政务、教育等关键领域的深入部署
观熵·2025-07-12 13:29

利用本地 LLM 、MCP、DeepSeek 集成构建您自己的 AI 驱动工具

介绍利用模型上下文协议(MCP)的工具吸引了我们的注意力—将AI变成触手可及的生产力引擎。它们巧妙、高效，让人难以抗拒。但如果您可以将这样的功能添加到自己的工具中，会怎么样呢？在本指南中，我将引导您构建一个具有本地运行的大型语言模型(LLM)和MCP集成的AI工具-让您以类似的方式自动执行利用MCP的工具您喜欢的任务。推荐文章《AnythingLLM教程系列之12AnythingLLM上的Olla
知识大胖·2025-07-12 11:51

使用 Ollama 、 DeepSeek和QWEN的模型上下文协议 (MCP) ，使用本地 LLM 教程的 MCP 服务器

简介模型上下文协议：MCP服务器据称是AI领域的下一个重大改变者，它将使AI代理变得比我们想象的更加先进。MCP或模型上下文协议由Anthropic去年发布，它可以帮助LLM连接软件并对其进行控制。但有一个问题大多数MCP服务器都与ClaudeAI兼容，尤其是ClaudeAI桌面应用程序，但它们有自己的限制。有没有办法我们可以使用本地LLM运行MCP服务器？是的，在这个特定的逐步详细教程中，我们将
知识大胖·2025-07-12 11:51

12 个强大的 DeepSeek AI 提示将彻底改变您的日常生活

内容写作的最佳提示让我们从写作开始吧。无论您是博主、学生还是社交媒体创作者，这些提示都将帮助您创作出精彩的内容。提示1：“扮演专业文案撰稿人，为[产品/服务]撰写引人注目的广告文案。文案应引人入胜、具有说服力，且字数不得超过100个字。”这使得ChatGPT的响应结构就像真实的广告文案一样。提示2：“以更具吸引力和说服力的方式重写此段落，同时保持含义不变：[插入文本]。”推荐文章《Neo4j上使用
知识大胖·2025-07-12 11:51

使用 Deepseek Zero Coding Experience 创建类似飞扬的小鸟游戏

现在我正尝试使用Deepseek制作这样一款游戏。技术在不断变化，编码知识也在不断变化，只需修改代码即可获得结果。
知识大胖·2025-07-12 11:21

24GB GPU 中的 DeepSeek R1：Unsloth AI 针对 671B 参数模型进行动态量化

简介最初的DeepSeekR1是一个拥有6710亿个参数的语言模型，UnslothAI团队对其进行了动态量化，将模型大小减少了80%（从720GB减少到131GB），同时保持了强大的性能。
知识大胖·2025-07-12 11:21

在 Obsidian 中本地使用 DeepSeek — 无需互联网！

我将引导您完成在Obsidian中安装和使用DeepSeek-R1模型的确切步骤，这样您就可以在笔记中拥有一个由AI驱动的第二大脑。
知识大胖·2025-07-12 11:21

使用 DeepSeek R1 和 Ollama 开发 RAG 系统 使用 DeepSeek R1 和 Ollama 构建强大的 RAG 系统。了解开发智能 AI 解决方案的设置过程、最佳实践和技巧。

简介DeepSeekR1和Ollama提供了用于构建检索增强生成(RAG)系统的强大工具。本指南介绍了使用这些技术开发RAG应用程序的设置、实施和最佳实践。
知识大胖·2025-07-12 11:20

【实战AI】macbook M1 本地ollama运行deepseek

由于deepseek官网或者Aapi调用会有网络延迟或不响应的情况，故在本地搭建部署；前提条件1.由于需要拉取开源镜像，受网络限制，部分资源在前提中会下载的更快！
东方鲤鱼·2025-07-12 08:24

DeepSeek解读道德经 第五十九章

一、原文与译文原文：治人事天，莫若啬。夫唯啬，是谓早服；早服谓之重积德；重积德则无不克；无不克则莫知其极；莫知其极，可以有国；有国之母，可以长久。是谓深根固柢，长生久视之道。译文：治理百姓侍奉天道，没有比珍爱能量更重要的。唯有珍惜能量，才叫早作准备；早作准备就是厚积德性；厚积德性则无往不胜；无往不胜则力量无穷；力量无穷便可守护国家；掌握治国根本，方能长久延续。这便是根深柢固、长生久存之道。二、核心
cal_·2025-07-12 07:15

Golang面试题二（slice,map,chan）

1.长度不同2.函数传参不同3.计算长度方式不同3.slice的扩容机制，有什么注意点扩容机制总结4.扩容前后的Slice是否相同5.深拷贝和浅拷贝浅拷贝（ShallowCopy）深拷贝（DeepCopy
os-lee·2025-07-12 06:42

在mac m1基于llama.cpp运行deepseek

llama.cpp支持1.5位、2位、3位、4位、5位、6位和8位整数量化，通过ARMNEON、Accelerate和Metal支持Apple芯片，使得在MACM1处理器上运行Deepseek大模型成为可能
·2025-07-12 06:41

Python桌面应用开发的未来——智能化工具与大模型赋能

开发AI智能应用，就下载InsCodeAIIDE，一键接入DeepSeek-R1满血版大模型！
IronwoodStag78·2025-07-12 02:41

AI在垂直领域的深度应用：医疗、金融与自动驾驶的革新之路

例如，GoogleDeepMind的AI系统在乳腺癌筛查中，误检率比人类专家低9.4%；中国的推想医疗AI系统可在20秒内完成肺部CT扫描分析，为急诊救治争取黄金时间。2.药物研发传统药
·2025-07-11 23:25

强化学习之 DQN、Double DQN、PPO

文章目录通俗理解DQNDoubleDQNPPO结合公式理解通俗理解DQN一个简单的比喻和分步解释来理解DQN（DeepQ-Network，深度Q网络），就像教小朋友学打游戏一样：先理解基础概念：Q学习（
JNU freshman·2025-07-11 22:16

数据不Ready，一切AI Ready都是伪命题

2025年随着DeepSeekR1通用大模型的爆火，企业级AI应用元年正式来临。“AIReady”这个词随之火了起来，但什么是AIReady？是有了大模型接口，就是Ready？
·2025-07-11 21:13

小诗《苦》赏析（“诗人”我/智普清言/DeepSeek）

苦有万千分好坏，人成百样须努力。  笔记模板由python脚本于2025-07-1107:22:06创建，本篇笔记适合喜欢中文诗的coder翻阅。学习的细节是欢悦的历程  博客的核心价值：在于输出思考与经验，而不仅仅是知识的简单复述。Python官网：  这里，才python前沿。英文原版，原汁原味，才是寻根溯源的正统。地址：https://www.python.org/Free：  大咖免费“圣
梦幻精灵_cq·2025-07-11 20:01

DeepSeek 驱动智能交通调度：从传统到智慧的跃迁之路

目录一、引言二、DeepSeek技术概述2.1DeepSeek简介2.2核心技术原理2.3技术特点与优势三、智能交通调度现状与挑战3.1智能交通调度系统构成3.2现存问题与挑战四、DeepSeek在智能交通调度中的应用
奔跑吧邓邓子·2025-07-11 16:36

一文搞懂怎么入门大模型

接下来，我们将以DeepSeek为例，详细阐述如何系统地入门大模型。一、理论基础：搭建认知框架在深入实践之前，理解大模型的基础理论是关键。大模型，通常指具有海量参数
·2025-07-11 16:05

Spring AI 项目实战（十五）：DeepSeek驱动的智能问诊系统实战-从0到1构建AI医疗问诊平台（附完整源码）

智能问诊系列文章序号文章名称1SpringAI项目实战（一）：SpringAI核心模块入门2SpringAI项目实战（二）：SpringBoot+AI+DeepSeek深度实战（附完整源码）3
程序员岳彬·2025-07-11 15:29

vue 侦听器watch 之 深度监听 deep 以及 immediate

FullName:{{person.fullname}}FirstName:exportdefault{data(){return{person:{firstname:‘Menghui‘,lastname:‘Jin‘,fullname:‘‘}}},watch:{person:{handler(n,o){this.person.fullname=n.firstname+‘‘+this.person.
别来打扰我·2025-07-11 14:53

Vue 中监测路由变化时，通常不需要开启深度监听（deep: true）

1.路由变化的本质：引用地址改变Vue路由的核心对象是$route（或通过useRoute()获取的路由对象），当路由发生变化（如跳转页面、参数改变）时，VueRouter会创建一个新的$route对象，而不是修改原有对象的属性。例如：从/home?id=1跳转到/home?id=2时，$route是一个全新的对象（引用地址改变），而非在原对象上修改query.id。这种情况下，普通监听（不开启d
咔咔咔索菲斯·2025-07-11 14:49

使用Python进行机器学习入门指南

使用Python进行机器学习入门指南机器学习（MachineLearning）是人工智能（ArtificialIntelligence,AI）的一个重要分支，旨在通过算法和统计模型，使计算机系统能够自动从数据中学习和改进
软考和人工智能学堂·2025-07-11 11:36

少样本图学习（few-shot learning on graph）知识背景

Few-ShotLearningonGraph少样本学习简介少样本图学习简介1.SupportSet和QuerySet（针对单个任务）（1）SupportSet（支持集）（2）QuerySet（查询集）
so.far_away·2025-07-11 11:34

在IDEA中无缝接入DeepSeek：智能编程助手指南

一、为什么要在IDEA中使用DeepSeek？
摆烂大大王·2025-07-11 08:39

Building Apps with AI Tools: ChatGPT, Semantic Kernel, and Langchain 项目推荐

building-apps-with-ai-tools-chatgpt-semantic-kernel-langchain-4469616ThisisacoderepositoryfortheLinkedInLearningcourseBuildingAppswithAIT
滕娴殉·2025-07-11 06:28

量子机器学习入门：从理论到实践

：从理论基石到实践路径——连接量子计算与人工智能的未来桥梁关键词量子计算；机器学习；量子算法；量子神经网络；Qiskit；PennyLane；量子变分算法摘要量子机器学习（QuantumMachineLearning
·2025-07-11 06:26

全球DeepFake攻防挑战赛&DataWhale AI 夏令营——图像赛道

全球DeepFake攻防挑战赛&DataWhaleAI夏令营——图像赛道赛题背景随着人工智能技术的迅猛发展，深度伪造技术（Deepfake）正成为数字世界中的一把双刃剑。
czijin·2025-07-11 05:24

量子计算突破：8比特扩散模型实现指数级加速

星际生成网络八、元生成系统极限挑战方向一、量子扩散模型（QuantumDiffusion）量子线路模拟经典扩散过程fromqiskitimportQuantumCircuitfromqiskit_machine_learning
晨曦543210·2025-07-11 05:23

AI让我焦虑，可有解药？

这波以生成式人工智能为核心的生产力变革浪潮，从23年开始短短的两年时间里一浪接一浪的奔涌而来，从ChatGPT、AGI，到多模态大模型、Agent、Cursor，到DeepSeek、Manus，到近期的
大虫小呓·2025-07-11 04:18

DeepSeek+Kimi 双剑合璧，打造 PPT 制作超级攻略（附案例实战）

目录一、AI时代的PPT变革二、工具探秘：DeepSeek与Kimi2.1DeepSeek的独特优势2.2Kimi的强大功能三、实操全流程：五步打造专业PPT3.1明确需求，精准指令DeepSeek3.2
奔跑吧邓邓子·2025-07-11 04:17

专题：2025大模型2.0：GPT到DeepSeek技术演进与产业落地报告|附200+份报告PDF汇总下载

本报告汇总解读基于国家工业信息安全发展研究中心与联想集团联合发布的《2025大模型2.0产业发展报告》，以及哈工大计算学部人工智能学院关于DeepSeek系列模型的技术白皮书，深入剖析大模型从“技术验证
拓端研究室·2025-07-11 03:11

大模型的“涌现能力“：现象、表现与成因解析

文章目录一、涌现能力的本质与特征1.1基本定义1.2识别标准二、三种典型涌现能力表现2.1少样本上下文学习（Few-shotIn-contextLearning）表现特征实证数据可能成因2.2思维链推理
北辰alk·2025-07-11 02:32

ER综述论文阅读-Emotion recognition in EEG signals using deep learning methods: A review

EmotionrecognitioninEEGsignalsusingdeeplearningmethods:AreviewQ1期刊，2023论文链接：https://d1wqtxts1xzle7.cloudfront.net
今天早睡了·2025-07-11 01:30

物联网和互联网的区别by deep

物联网（IoT，InternetofThings）和互联网（Internet）虽然名称相似且都基于网络互联，但在设计目标、技术架构和应用场景上有显著区别。以下是两者的详细对比：---###**1.核心定义**-**互联网（Internet）**-全球性的计算机网络系统，通过TCP/IP协议连接各类终端（如电脑、手机、服务器），实现**人类之间的信息交换**（如网页、邮件、视频）。-**核心目标**
dpxiaolong·2025-07-11 01:00

【论文阅读笔记】TimesURL: Self-supervised Contrastive Learning for Universal Time Series

TimesURL:Self-supervisedContrastiveLearningforUniversalTimeSeriesRepresentationLearning摘要 学习适用于多种下游任务的通用时间序列表示
少写代码少看论文多多睡觉·2025-07-10 22:39

【论文阅读】Transfer Learning for Automatic Modulation Recognition Using a Few Modulated Signal Samples

这篇文章的核心内容是提出了一种基于迁移学习（TransferLearning）的自动调制识
·2025-07-10 22:08

【论文阅读】Meta-SE: A Meta-Learning Framework for Few-Shot Speech Enhancement

这篇文章介绍了一个名为Meta-SE的元学习框架，专门用于少样本（few-shot）语音增强问题。文章的核心目标是解决在实际应用中，由于训练样本有限而导致传统深度神经网络（DNN）模型性能受限的问题。Meta-SE通过元学习的方法，利用先验的元知识快速适应新的任务和噪声类型，即使只有少量训练样本也能表现出色。背景知识与研究动机语音增强技术旨在从带噪语音信号中恢复目标语音，提升语音质量和可懂度。深度
Bosenya12·2025-07-10 22:38

【论文阅读】SASLN：小样本条件下机械故障诊断的信号增强自学习网络

SASLN:SignalsAugmentedSelf-TaughtLearningNetworksforMechanicalFaultDiagnosisUnderSmallSampleCondition
·2025-07-10 22:37

【论文阅读】SSCL-AMC： 一种基于动态增强和集成学习的自监督自动调制分类方法

SSCL-AMC:ASelf-supervisedAutomaticModulationClassificationMethodviaDynamicAugmentationandEnsembleLearning
·2025-07-10 22:37

【AI迭代开发：用DeepSeek打造我的HTML小游戏】

用DeepSeek开发一款常见的小游戏，常见的小游戏不用向AI描述完整的需求，你只需要告诉他游戏名称，他会自动执行开发：输入：开发一款俄罗斯方块小游戏，用html实现。
纸团团长励志要成长·2025-07-10 20:19
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他