- 在科技飞速发展的今天，新材料研发竞争激烈，人工智能（AI）以其强大的数据分析和算法能力，为分子结构设计带来革命性突破。传统方法耗时长、成功率低，而AI能快速处理海量数据，挖掘规律，构建精准模型，大幅缩短研发周期，提高成功率。无论是在药物研发还是工业材料领域，AI均展现出巨大潜力，如优化航空航天材料性能、设计新型碳纤维复合材料等。尽管面临数据质量和可解释性挑战，AI在新材料领域的前景依然广阔。 在科技飞速发展的今天，新材料研发竞争激烈，人工智能（AI）以其强大的数据分析和算法能力，为分子结构设计带来革命性突破。传统方法耗时长、成功率低，而AI能快速处理海量数据，挖掘规律，构建精准模型，大幅缩短研发周期，提高成功率。无论是在药物研发还是工业材料领域，AI均展现出巨大潜力，如优化航空航天材料性能、设计新型碳纤维复合材料等。尽管面临数据质量和可解释性挑战，AI在新材料领域的前景依然广阔。
- 新纪天工 开物焕彩：重大科技成就发布会参会感作为一名技术爱好者，我有幸参加了重大科技成就发布会。这是一场充满热情与希望的科技盛宴，也是一幅展现中国开源技术力量的生动画卷。从人工智能到芯片，从开源软件到开源硬件，每一个环节都让我深刻感受到中国科技自立自强的磅礴力量。@[toc] 开场：致敬开源的力量发布会伊始，主持人李振宁先生（来自中国电子麒麟软件和中国计算机学会开源软件专委会）用充满激情的... 新纪天工 开物焕彩：重大科技成就发布会参会感作为一名技术爱好者，我有幸参加了重大科技成就发布会。这是一场充满热情与希望的科技盛宴，也是一幅展现中国开源技术力量的生动画卷。从人工智能到芯片，从开源软件到开源硬件，每一个环节都让我深刻感受到中国科技自立自强的磅礴力量。@[toc] 开场：致敬开源的力量发布会伊始，主持人李振宁先生（来自中国电子麒麟软件和中国计算机学会开源软件专委会）用充满激情的...
- 在人工智能迅猛发展的时代，其应用已渗透到生活的方方面面，深刻改变着我们的生活模式与社会架构。然而，随之而来的伦理和社会责任问题也日益凸显。教育者需在课堂中融入伦理思辨，通过具体案例引导学生理解AI的伦理边界，如人脸识别技术的应用与隐私保护、智能机器人决策中的道德困境等。同时，培养学生的社会责任意识，使其认识到AI应服务于社会福祉，避免因商业利益导致资源分配不均。 在人工智能迅猛发展的时代，其应用已渗透到生活的方方面面，深刻改变着我们的生活模式与社会架构。然而，随之而来的伦理和社会责任问题也日益凸显。教育者需在课堂中融入伦理思辨，通过具体案例引导学生理解AI的伦理边界，如人脸识别技术的应用与隐私保护、智能机器人决策中的道德困境等。同时，培养学生的社会责任意识，使其认识到AI应服务于社会福祉，避免因商业利益导致资源分配不均。
- 在数字化时代，人工智能成为社会变革的强大力量，深刻改变着我们的生活方式。数据主权作为其核心基石，涉及国家、企业和个人的数据管辖与控制权。国家层面，数据主权关乎国家安全与经济竞争力；企业层面，合规利用数据可提升竞争力，但也面临法律风险；个人层面，隐私保护至关重要。国际社会正通过法规和技术手段（如GDPR和区块链）应对这些挑战，以确保数据安全与隐私，推动人工智能健康发展。 在数字化时代，人工智能成为社会变革的强大力量，深刻改变着我们的生活方式。数据主权作为其核心基石，涉及国家、企业和个人的数据管辖与控制权。国家层面，数据主权关乎国家安全与经济竞争力；企业层面，合规利用数据可提升竞争力，但也面临法律风险；个人层面，隐私保护至关重要。国际社会正通过法规和技术手段（如GDPR和区块链）应对这些挑战，以确保数据安全与隐私，推动人工智能健康发展。
- 多智能体近端策略优化算法MAPPO（Multi-Agent Proximal Policy Optimization）是PPO（Proximal Policy Optimization）在多智能体环境中的一种扩展，它通过在多智能体系统中引入PPO的策略优化机制，实现了在协作和竞争环境中更加高效的策略学习。MAPPO是一种基于策略梯度的多智能体强化学习算法，特别适用于混合协作和竞争的多智能体场景。 多智能体近端策略优化算法MAPPO（Multi-Agent Proximal Policy Optimization）是PPO（Proximal Policy Optimization）在多智能体环境中的一种扩展，它通过在多智能体系统中引入PPO的策略优化机制，实现了在协作和竞争环境中更加高效的策略学习。MAPPO是一种基于策略梯度的多智能体强化学习算法，特别适用于混合协作和竞争的多智能体场景。
- 多智能体强化学习（MARL, Multi-Agent Reinforcement Learning）中，一个关键挑战是如何在多个智能体的协作环境下学习有效的策略。价值分解网络（VDN, Value Decomposition Network）是解决这一问题的一种重要方法，特别是在 集中训练，分散执行 多智能体强化学习（MARL, Multi-Agent Reinforcement Learning）中，一个关键挑战是如何在多个智能体的协作环境下学习有效的策略。价值分解网络（VDN, Value Decomposition Network）是解决这一问题的一种重要方法，特别是在 集中训练，分散执行
- MATD3（Multi-Agent Twin Delayed Deep Deterministic Policy Gradient）是基于TD3（Twin Delayed DDPG）算法的多智能体版本。TD3是深度确定性策略梯度（DDPG）算法的一个改进版本，主要针对其在确定性策略学习中的一些不稳定性进行了增强。MATD3则扩展了TD3，使其能够在多智能体环境下进行训练和执行。 DDPG算法用于连 MATD3（Multi-Agent Twin Delayed Deep Deterministic Policy Gradient）是基于TD3（Twin Delayed DDPG）算法的多智能体版本。TD3是深度确定性策略梯度（DDPG）算法的一个改进版本，主要针对其在确定性策略学习中的一些不稳定性进行了增强。MATD3则扩展了TD3，使其能够在多智能体环境下进行训练和执行。 DDPG算法用于连
- 基于MADRL的单调价值函数分解（Monotonic Value Function Factorisation for Deep Multi-Agent Reinforcement Learning）QMIX是一种用于多智能体强化学习的算法，特别适用于需要协作的多智能体环境，如分布式控制、团队作战等场景。QMIX 算法由 Rashid 等人在 2018 年提出，其核心思想是通过一种混合网络（Mix 基于MADRL的单调价值函数分解（Monotonic Value Function Factorisation for Deep Multi-Agent Reinforcement Learning）QMIX是一种用于多智能体强化学习的算法，特别适用于需要协作的多智能体环境，如分布式控制、团队作战等场景。QMIX 算法由 Rashid 等人在 2018 年提出，其核心思想是通过一种混合网络（Mix
- MADDPG (Multi-Agent Deep Deterministic Policy Gradient) 是一种用于多智能体强化学习环境的算法。它由2017年发布的论文《Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments》提出。MADDPG结合了深度确定性策略梯度（DDPG）算法的思想，并对多智能体场 MADDPG (Multi-Agent Deep Deterministic Policy Gradient) 是一种用于多智能体强化学习环境的算法。它由2017年发布的论文《Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments》提出。MADDPG结合了深度确定性策略梯度（DDPG）算法的思想，并对多智能体场
- 在人工智能领域，模型性能评估是关键环节。C 语言凭借高效性和强大计算能力，在统计假设检验中发挥重要作用，帮助判断不同模型或参数设置下的性能差异是否显著。通过 t 检验等方法，C 语言能科学地验证模型性能的可靠性，支持模型优化、架构比较及应对数据变化，推动人工智能技术的发展。 在人工智能领域，模型性能评估是关键环节。C 语言凭借高效性和强大计算能力，在统计假设检验中发挥重要作用，帮助判断不同模型或参数设置下的性能差异是否显著。通过 t 检验等方法，C 语言能科学地验证模型性能的可靠性，支持模型优化、架构比较及应对数据变化，推动人工智能技术的发展。
- 在物联网与人工智能融合的时代，C 语言凭借其对硬件的精准控制和算法优化能力，成为解决能耗问题的关键工具。本文探讨了 C 语言在物联网设备中的应用，包括硬件资源管理、算法优化、数据预处理、模型精简和通信优化等方面，旨在实现更节能高效的物联网人工智能系统，推动其在智能家居、工业自动化、智能交通等领域的广泛应用。 在物联网与人工智能融合的时代，C 语言凭借其对硬件的精准控制和算法优化能力，成为解决能耗问题的关键工具。本文探讨了 C 语言在物联网设备中的应用，包括硬件资源管理、算法优化、数据预处理、模型精简和通信优化等方面，旨在实现更节能高效的物联网人工智能系统，推动其在智能家居、工业自动化、智能交通等领域的广泛应用。
- 在人工智能迅猛发展的背景下，神经网络剪枝算法成为解决模型复杂度高、计算资源需求大的关键技术之一。C 语言以其高效性和对底层资源的精准控制能力，在实现神经网络剪枝中发挥重要作用。剪枝通过去除冗余连接或神经元，减小模型体积，降低计算复杂度，提高模型在资源受限设备上的部署效率。C 语言实现的剪枝算法不仅提升了模型性能，还增强了模型的可解释性，推动了神经网络技术的广泛应用。 在人工智能迅猛发展的背景下，神经网络剪枝算法成为解决模型复杂度高、计算资源需求大的关键技术之一。C 语言以其高效性和对底层资源的精准控制能力，在实现神经网络剪枝中发挥重要作用。剪枝通过去除冗余连接或神经元，减小模型体积，降低计算复杂度，提高模型在资源受限设备上的部署效率。C 语言实现的剪枝算法不仅提升了模型性能，还增强了模型的可解释性，推动了神经网络技术的广泛应用。
- 在人工智能领域，信号处理技术如同一把万能钥匙，开启复杂数据背后的奥秘。复数运算以其独特的数学魅力，在语音识别、图像分析、通信系统等领域发挥重要作用。本文探讨了复数运算在C语言环境下的应用，包括通信调制解调、图像处理和音频信号分析等方面，强调了其在提高算法效率和精度方面的关键作用。 在人工智能领域，信号处理技术如同一把万能钥匙，开启复杂数据背后的奥秘。复数运算以其独特的数学魅力，在语音识别、图像分析、通信系统等领域发挥重要作用。本文探讨了复数运算在C语言环境下的应用，包括通信调制解调、图像处理和音频信号分析等方面，强调了其在提高算法效率和精度方面的关键作用。
- 在人工智能时代，向量的点积与叉积运算在几何计算中占据核心地位。本文介绍如何在C语言中实现这两种运算，并探讨它们在图像识别、机器人运动规划等领域的应用，为AI技术的创新与突破奠定基础。 在人工智能时代，向量的点积与叉积运算在几何计算中占据核心地位。本文介绍如何在C语言中实现这两种运算，并探讨它们在图像识别、机器人运动规划等领域的应用，为AI技术的创新与突破奠定基础。
- 在 AI 发展的今天，数据降维作为关键的数据预处理技术，对提升算法性能至关重要。C 语言以其高效执行和精细控制能力，在处理大规模高维度数据时表现出色。通过主成分分析（PCA）等方法，C 语言能够快速实现数据降维，显著减少计算时间和资源消耗，提高 AI 模型的训练效果和泛化能力。 在 AI 发展的今天，数据降维作为关键的数据预处理技术，对提升算法性能至关重要。C 语言以其高效执行和精细控制能力，在处理大规模高维度数据时表现出色。通过主成分分析（PCA）等方法，C 语言能够快速实现数据降维，显著减少计算时间和资源消耗，提高 AI 模型的训练效果和泛化能力。
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签