支持向量机,决策树与集成学习
人工智能与机器学习基础的作业三和实验三下周三就要截止了,还是有必要简略地了解一下 SVM,决策树和集成学习是什么。这篇文章记录我完成作业时的简略笔记。
关于该文章的书写进度
这篇文章仍在撰写中,将在完成作业与实验时撰写完成。
人工智能与机器学习基础的作业三和实验三下周三就要截止了,还是有必要简略地了解一下 SVM,决策树和集成学习是什么。这篇文章记录我完成作业时的简略笔记。
关于该文章的书写进度
这篇文章仍在撰写中,将在完成作业与实验时撰写完成。
在 Physics-informed Neural Networks (PINNs) 中,神经常微分方程(Neural Ordinary Differential Equations, Neural ODEs)是一个绕不开的话题。在阅读NewtonGen 的过程中,我觉得我有必要把 Neural ODE 是什么搞清楚,所以我以这篇文章作为笔记。
本文正在编写中,并且可能长时间处于这一状态
写这篇文章的原因是,家里有很多智能家居设备,但是智能家居设备之间组合的方式比较死板,不能自由地加以组合。看到小米官方在官方界面上发布了 Home Assistant 的集成,我关注到了 Home Assistant 这个开源项目——事实上,按开发者的数量来算,他是整个 2024 年 Github 上最受欢迎的项目。
本文正在编写中
声明
由于该文章为本人大一时为“科学与社会”研讨课学习需要而创作。由于作者才疏学浅,在严谨性上可能存在缺陷。
严格上来说,“使用 AI 做自己想做的事”和“理解、学习 AI 的原理”是两件截然不同的事情。这个难度的区别就好比在 Steam 上下载《黑神话·悟空》和编写这样的游戏一样。
使用 Hugging Face 中现成的模型完成文生图、图生图等任务明显属于前者,它的难度并不没有很多人想象中的那么大。我书写本篇文章的目的就是来证明使用现有的工具完成自己想完成的任务对于有一定计算机基础的人来说并不是遥不可及的事情,恰恰相反——我相信,在不远的将来,个性化计算 (personalized computing) 将会逐渐走近现实,人们将会对他们周围的电子产品有更多的自主权和控制权,能够熟练的运用电子产品完成自己想做的事情。
本文正在编写中
声明
由于该文章为本人大一时为“科学与社会”研讨课学习需要而创作。由于作者才疏学浅,在严谨性上可能存在缺陷。
本文章为我为“科学与社会”研讨课之需要,对 KerasTuner 的学习笔记。部分内容摘录、翻译自其官方网站。
本文正在编写中,并且可能长时间处于这一状态
声明
经过两天的实践,作者已经发现在现在的条件下,把朴素的想法转化为一个使用的程序仍然是一个复杂的过程。
目前 Copilot 已经可以在短时间内生成初始代码,但是对于前端界面的编写,Copilot 还是相当无力的。因为 Copilot 是文字界面,你很难准确地用语言表达你对前端设计的想法。这一部分我也耗费了大量的时间。
当前这个课程替代助手还停留在“展示所有替代关系”的阶段,短时间内不打算进行进一步的开发。