-
GPT4o 制作科研论文结构图教程
本教程适用于需要在科研论文中表达机制对比、结构差异、流程路径选择等内容的场景。 📌 一、使用场景 这种图示风格适用于多种科研领域，常用于解释不同方法、策略或机制之间的结构性差异，特别适合： 场景类别说明示例模块机制对比比较结构组成、处理方式GNN 聚合、信号路径、认知系统信息/信号流表达输入-处理-输出路径可视化数据流、神经传导、政策流程选择机制图解体现部分路径激活或跳过注意力机制、门控网络、选择…- 16
- 0
-
202503161437 – SVG图片编辑和导出（SVG-edit在线编辑器）
SVG图片编辑和导出 什么是SVG？ SVG (Scalable Vector Graphics) 是一种基于XML的矢量图像格式，用于网络上的二维图形。与光栅图像格式（如JPEG和PNG）不同，SVG图像可以无限放大而不失真，因为它们是由数学方程式而非像素网格构成的。 为什么使用SVG？ 可缩放性：可以任意缩放而不失真 文件小：通常文件体积小于等效的光栅图像 可编程：可以通过CSS和JavaSc…- 5
- 0
-
202503031547 – 职位投递量预测模型训练
理论只有付诸实践才能真正掌握。本节我们将通过代码示例，一步步完成一个机器学习任务：根据历史职位信息预测职位投递量。这也是用户提供的脚本所要解决的问题。在动手之前，我们先明确问题和数据： 背景：假设我们有一份包含历史职位发布信息的数据集，每条记录包括职位的各种属性（如职位类型、薪资范围、工作经验要求、公司规模等）以及该职位在一段时间内收到的求职者投递数量（投递量）。我们的目标是训练一个模型，输入职位…- 8
- 0
-
202503031547 – 决策树与随机森林
常见机器学习算法概览 机器学习算法多种多样，本报告重点介绍几种最常用且具有代表性的算法：逻辑回归、决策树与随机森林、梯度提升树（以XGBoost为代表）和神经网络。这些算法涵盖了从传统简单模型到更复杂的集成学习和深度学习方法。对于每种算法，我们将说明其核心思想、基本数学原理（用直观方式解读）、适用的场景，并简单提及如何用代码调用。 决策树与随机森林（Decision Tree & Rand…- 3
- 0
-
202503031547 – 机器学习概论
引言 在当今数据驱动的时代，机器学习（Machine Learning）已经成为解决复杂问题的核心技术之一。对于一名拥有 Python 基础但缺乏机器学习经验的 Java 开发者而言，在短时间内掌握机器学习的关键概念并应用于实际项目（例如投递量预测）是完全可行的。本报告将以清晰的结构和通俗的语言，循序渐进地介绍机器学习基础知识和常见算法，并通过实际案例和代码示例帮助您快速上手。我们将采用“费曼学习…- 5
- 0
-
202501091631 – RAG 00 检索增强生成（RAG）简介
检索增强生成（Retrieval Augmented Generation, RAG）[1] 最初于2020年提出，是一种结合预训练检索器和生成器的端到端方法，旨在通过模型微调提升性能。 2022年12月，ChatGPT的发布标志着RAG的一个重要转折点。从此，RAG更加注重利用大语言模型（LLM）的推理能力，通过引入外部知识提升生成效果。 什么是RAG？ RAG通过整合外部知识源的信息，增强LL…- 8
- 0
-
-
第三课：Claude画图风格自定义与个性化定制
提示词仓库：路导 ludao 的个人说明书｜知识库 Index https://v0qy0enn8r.feishu.cn/wiki/WckZwKa26iL2N3kRUD4coeCJnZc?from=from_copylink 这是我用Claude在1分钟内制作的文章配图。风格多样，内容总结到位。那么如何实现呢？ 在之前的文章中，我们已经学习了如何让Claude根据文章自动生成精美配图，但可能发现了…- 29
- 0
-
AI作图 — 时间轴提示词（Prompt）
使用范围：deepseek，claude，GPT 一、 如何使用 准备文章内容： 准备含有明确时间节点和事件的文章或内容 确保内容中有清晰的年份、月份等时间标记 提交内容： 将提示词发送给 Deepseek（GPT，Claude等） 然后发送文章 获取结果： AI会自动分析您的文章 生成一个摘要，概括主要内容 提供完整的SVG时间轴代码，您可以复制使用 时间轴将以垂直布局展示，包含时间节点和对应事…- 121
- 0
-
Midjourney
了解Midjourney模型版本和最新的V4版本，它包含了先进的功能…… 学习如何使用Midjourney机器人在Discord上通过简单的文本提示创建自定义图片。 约定俗称的规则 请保持友善和礼貌。 请不要利用我们的工具制作可能引起争端、不安或骚动的图片。这包括暴力和成人内容。 请尊重其他用户和我们的团队。 1: 使用Discord 请访问 Midjourney.com, 选择 Joi…- 83
- 0
-
0 – 自然语言处理入门
1 什么是自然语言处理 自然语言处理（Natural Language Processing, 简称NLP）是计算机科学与语言学中关注于计算机与人类语言间转换的领域. 2 自然语言处理的发展简史 3 自然语言处理的应用场景 语音助手 机器翻译 搜索引擎 智能问答 ...- 36
- 0
-
4 – 什么是反向传播？
多层神经网络的学习能力比单层网络强得多。想要训练多层网络，需要更强大的学习算法。误差反向传播算法（Back Propagation）是其中最杰出的代表，它是目前最成功的神经网络学习算法。现实任务使用神经网络时，大多是在使用 BP 算法进行训练，值得指出的是 BP 算法不仅可用于多层前馈神经网络，还可以用于其他类型的神经网络。 通常说 BP 网络时，一般是指用 BP 算法训练的多层前馈神经网络。 这…- 62
- 0
-
3 – 什么是激活函数？
1. 网络非线性因素的理解 激活函数用于对每层的输出数据进行变换, 进而为整个网络结构结构注入了非线性因素。此时, 神经网络就可以拟合各种曲线。如果不使用激活函数，整个网络虽然看起来复杂，其本质还相当于一种线性模型，如下公式所示: 没有引入非线性因素的网络等价于使用一个线性模型来拟合 通过给网络输出增加激活函数, 实现引入非线性因素, 使得网络模型可以逼近任意函数, 提升网络对复杂问题的拟合能力.…- 84
- 0
-
2 – 什么是神经网络
1. 什么是神经网络 人工神经网络（ Artificial Neural Network， 简写为ANN）也简称为神经网络（NN），是一种模仿生物神经网络结构和功能的 计算模型。人脑可以看做是一个生物神经网络，由众多的神经元连接而成。各个神经元传递复杂的电信号，树突接收到输入信号，然后对信号进行处理，通过轴突输出信号。下图是生物神经元示意图： 当电信号通过树突进入到细胞核时，会逐渐聚集电荷。达到一…- 30
- 0
-
1 – 什么是深度学习
1. 什么是深度学习 在介绍深度学习之前，我们先看下人工智能，机器学习和深度学习之间的关系： 机器学习是实现人工智能的一种途径，深度学习是机器学习的一个子集，也就是说深度学习是实现机器学习的一种方法。与机器学习算法的主要区别如下图所示： 传统机器学习算术依赖人工设计特征，并进行特征提取，而深度学习方法不需要人工，而是依赖算法自动提取特征。深度学习模仿人类大脑的运行方式，从经验中学习获取知识。这也是…- 50
- 0
-
0 – 神经网络基础 目录
神经网络的基础部分，主要包含的内容如下: 对深度学习、神经网络建立基本认识 了解激活函数的作用 了解神经网络参数更新算法 了解常见的神经网络参数初始化方法 了解常见的梯度下降优化方法 了解神经网络正则化的方法 了解批量归一化的作用- 34
- 0
-
2 – 张量数值计算
PyTorch 计算的数据都是以张量形式存在, 我们需要掌握张量各种运算. 并且, 我们可以在 CPU 中运算, 也可以在 GPU 中运算. 1. 张量基本运算 基本运算中，包括 add、sub、mul、div、neg 等函数, 以及这些函数的带下划线的版本 add_、sub_、mul_、div_、neg_，其中带下划线的版本为修改原数据。 import numpy as np import to…- 28
- 0
-
1 – PyTorch 创建张量
PyTorch 是一个 Python 深度学习框架，它将数据封装成张量（Tensor）来进行运算。PyTorch 中的张量就是元素为同一种数据类型的多维矩阵。在 PyTorch 中，张量以 "类" 的形式封装起来，对张量的一些运算、处理的方法被封装在类中。 1. 基本创建方式 torch.tensor 根据指定数据创建张量 torch.Tensor 根据形状创建张量, 其也可用…- 44
- 0
-
深度学习框架 PyTorch 目录
学习使用深度学习框架 PyTorch, 主要包含的内容如下: PyTorch 创建张量 PyTorch 张量的数值计算 PyTorch 张量类型转换 PyTorch 张量的拼接操作 PyTorch 索引操作 PyTorch 张量形状的操作 PyTorch 张量的运算函数 PyTorch 自动微分模块 案例: 手动构建线性回归 PyTorch 构架构建线性回归 模型的保存和加载- 52
- 0
-
4 – 电信客户流失预测
1. 数据集介绍 AT&T数据，用户个人，通话，上网等信息数据 充分利用数据预测客户的流失情况 帮助挽留用户，保证用户基数和活跃程度 具体数据说明如下： CustomerID 客户ID Gender 性别 partneratt 配偶是否也为att用户 dependents_att 家人是否也是att用户 landline 是否使用att固话服务 internet_att/internet_…- 41
- 0
-
3 – 分类评估指标
1. 混淆矩阵 混淆矩阵作用就是看一看在测试集样本集中： 真实值是 正例 的样本中，被分类为 正例 的样本数量有多少，这部分样本叫做真正例（TP，True Positive） 真实值是 正例 的样本中，被分类为 假例 的样本数量有多少，这部分样本叫做伪反例（FN，False Negative） 真实值是 假例…- 25
- 0
-
2 – 案例 癌症分类预测
1 逻辑回归的API sklearn提供了逻辑回归的API sklearn.linear_model.LogisticRegression(solver='liblinear', penalty=‘l2’, C = 1.0) solver可选参数:{'liblinear', 'sag', 'saga','ne…- 30
- 0
-
1 – 逻辑回归介绍
1. 逻辑回归的应用场景 逻辑回归（Logistic Regression）是机器学习中的 一种分类模型 ，逻辑回归是一种分类算法，虽然名字中带有回归。由于算法的简单和高效，在实际中应用非常广泛 广告点击率 是否为垃圾邮件 是否患病 信用卡账单是否会违约 看到上面的例子，我们可以发现其中的特点，那就是都属于两个类别之间的判断。逻辑回归就是解决二分类问题的利器 2. 逻辑回归的原…- 55
- 0