- ORACLES Aerosol Cloud Aircraft Remote Sensing Data简介ORACLES_AerosolCloud_AircraftRemoteSensing_Data 是 ORACLES（云上气溶胶及其相互作用观测）项目期间，由 P-3 Orion 或 ER-2 飞机搭载收集的遥感气溶胶和云测量数据。这些数据收集于 2016 年 8 月 19 日至 2016... ORACLES Aerosol Cloud Aircraft Remote Sensing Data简介ORACLES_AerosolCloud_AircraftRemoteSensing_Data 是 ORACLES（云上气溶胶及其相互作用观测）项目期间，由 P-3 Orion 或 ER-2 飞机搭载收集的遥感气溶胶和云测量数据。这些数据收集于 2016 年 8 月 19 日至 2016...
- 大模型运行逻辑详解 大模型运行逻辑详解
- 航空发动机作为飞机的核心部件，其运行安全直接关系到飞行安全。为了保障发动机的安全运行，提前检测出潜在的异常是一项至关重要的任务。然而，在实际运行中，由于发动机大部分时间处于正常状态，所收集的数据存在严重的类别不平衡问题，且早期异常数据与正常数据高度相似，导致严重的类别重叠。针对这一挑战，最新发表在《Computers in Industry》上的论文《Deep attention SMOTE... 航空发动机作为飞机的核心部件，其运行安全直接关系到飞行安全。为了保障发动机的安全运行，提前检测出潜在的异常是一项至关重要的任务。然而，在实际运行中，由于发动机大部分时间处于正常状态，所收集的数据存在严重的类别不平衡问题，且早期异常数据与正常数据高度相似，导致严重的类别重叠。针对这一挑战，最新发表在《Computers in Industry》上的论文《Deep attention SMOTE...
- 燃气轮机长期运行在高温、高压及高速等极端恶劣工况下，其关键部件的早期故障诊断对于保障运行安全至关重要。然而在工程实际中，收集到的故障样本往往非常稀少，面临严重的类不平衡问题，同时处于退化初期的故障数据与正常数据存在高度的类间重叠，这给深度学习模型的准确识别带来了极大的挑战。针对这些难题，最新发表在《Expert Systems with Applications》上的一篇论文提出了名为“Fe... 燃气轮机长期运行在高温、高压及高速等极端恶劣工况下，其关键部件的早期故障诊断对于保障运行安全至关重要。然而在工程实际中，收集到的故障样本往往非常稀少，面临严重的类不平衡问题，同时处于退化初期的故障数据与正常数据存在高度的类间重叠，这给深度学习模型的准确识别带来了极大的挑战。针对这些难题，最新发表在《Expert Systems with Applications》上的一篇论文提出了名为“Fe...
- 在复杂工业系统的健康管理（PHM）中，准确的数据收集是开展状态监控和寿命预测的基础。然而，航空发动机在实际运行中，由于传感器故障、恶劣工况超限或人工维护疏忽，常常面临关键退化状态数据丢失的问题。针对这一难题，近期发表于《Neurocomputing》的一篇研究论文提出了CUR-Estimator: Towards reliable missing data imputation for ae... 在复杂工业系统的健康管理（PHM）中，准确的数据收集是开展状态监控和寿命预测的基础。然而，航空发动机在实际运行中，由于传感器故障、恶劣工况超限或人工维护疏忽，常常面临关键退化状态数据丢失的问题。针对这一难题，近期发表于《Neurocomputing》的一篇研究论文提出了CUR-Estimator: Towards reliable missing data imputation for ae...
- 桑叶病害目标检测数据集：16,000张图像 | 目标检测源码数据分享通过网盘分享的文件：桑叶病害目标检测数据集 链接: https://pan.baidu.com/s/1k0d4Y7RVmtIT1j_gSnAdNw?pwd=h4c9 提取码: h4c9一、引言：蚕桑产业链中的"病害哨兵"桑树种植是蚕桑产业的基础，桑叶质量直接关系到蚕的健康生长与丝绸品质。然而，桑叶病害一直是困扰桑农的重大问题... 桑叶病害目标检测数据集：16,000张图像 | 目标检测源码数据分享通过网盘分享的文件：桑叶病害目标检测数据集 链接: https://pan.baidu.com/s/1k0d4Y7RVmtIT1j_gSnAdNw?pwd=h4c9 提取码: h4c9一、引言：蚕桑产业链中的"病害哨兵"桑树种植是蚕桑产业的基础，桑叶质量直接关系到蚕的健康生长与丝绸品质。然而，桑叶病害一直是困扰桑农的重大问题...
- 在电动汽车和储能系统蓬勃发展的背景下，准确在线评估锂离子电池的健康状态（SOH）对于系统的安全高效运行具有关键作用。然而，面对低温环境、复杂充放电协议以及极其有限的早期训练数据时，传统估算方法的表现往往受到很大局限。针对这一难题，科研人员在论文《Deep transfer learning enabled online state-of-health estimation of lithiu... 在电动汽车和储能系统蓬勃发展的背景下，准确在线评估锂离子电池的健康状态（SOH）对于系统的安全高效运行具有关键作用。然而，面对低温环境、复杂充放电协议以及极其有限的早期训练数据时，传统估算方法的表现往往受到很大局限。针对这一难题，科研人员在论文《Deep transfer learning enabled online state-of-health estimation of lithiu...
- 航空发动机作为飞机的核心动力源，其运行的安全性和可靠性至关重要。然而，实际运行中故障样本极度匮乏、各类故障发生频率高度不均衡，且监测数据随着每日飞行任务不断增长，给传统的静态数据驱动诊断模型带来了巨大挑战。为了应对这一难题，国内研究团队在《Advanced Engineering Informatics》上发表了名为“Continual contrastive reinforcement l... 航空发动机作为飞机的核心动力源，其运行的安全性和可靠性至关重要。然而，实际运行中故障样本极度匮乏、各类故障发生频率高度不均衡，且监测数据随着每日飞行任务不断增长，给传统的静态数据驱动诊断模型带来了巨大挑战。为了应对这一难题，国内研究团队在《Advanced Engineering Informatics》上发表了名为“Continual contrastive reinforcement l...
- 在现代船舶动力系统运维中，船用柴油机燃烧室部件由于长期处于高温、高压等恶劣工作环境，极易发生故障。传统的智能故障诊断方法在面对实际工程应用时，往往受到故障样本稀缺以及机器学习“黑盒”模型缺乏物理解释性的双重制约。针对这些瓶颈问题，近期发表在《Measurement》期刊上的研究提出了一种新型诊断框架，其论文题目为“Thermodynamic simulation-assisted rando... 在现代船舶动力系统运维中，船用柴油机燃烧室部件由于长期处于高温、高压等恶劣工作环境，极易发生故障。传统的智能故障诊断方法在面对实际工程应用时，往往受到故障样本稀缺以及机器学习“黑盒”模型缺乏物理解释性的双重制约。针对这些瓶颈问题，近期发表在《Measurement》期刊上的研究提出了一种新型诊断框架，其论文题目为“Thermodynamic simulation-assisted rando...
- 随着电动汽车、便携式电子设备及航空航天领域的快速发展，锂离子电池的健康状态（SOH）在线精确估算对保障系统安全运行至关重要。然而，现有的高精度深度学习模型通常结构复杂，计算和存储资源消耗大，难以直接部署在资源受限的电池管理系统（BMS）中。近期，发表在《Energy》期刊上的学术论文“BMSFormer: An efficient deep learning model for online... 随着电动汽车、便携式电子设备及航空航天领域的快速发展，锂离子电池的健康状态（SOH）在线精确估算对保障系统安全运行至关重要。然而，现有的高精度深度学习模型通常结构复杂，计算和存储资源消耗大，难以直接部署在资源受限的电池管理系统（BMS）中。近期，发表在《Energy》期刊上的学术论文“BMSFormer: An efficient deep learning model for online...
- 一、先给结论AI客服之所以能越来越"懂你"，靠的正是海量且高质量的训练数据。真实对话，就是其中最好、最核心的教材。简单来说，AI客服的大脑，是用真实世界的对话"喂"出来的——那些你每天在旺旺上打的字、问的问题、发的表情，经过清洗、标注、微调之后，变成了AI的"肌肉记忆"。 二、AI客服的"教材"从哪里来？——三大来源AI客服的学习资料来源非常广泛，主要可以分为三大类： 2.1 最宝贵的教材... 一、先给结论AI客服之所以能越来越"懂你"，靠的正是海量且高质量的训练数据。真实对话，就是其中最好、最核心的教材。简单来说，AI客服的大脑，是用真实世界的对话"喂"出来的——那些你每天在旺旺上打的字、问的问题、发的表情，经过清洗、标注、微调之后，变成了AI的"肌肉记忆"。 二、AI客服的"教材"从哪里来？——三大来源AI客服的学习资料来源非常广泛，主要可以分为三大类： 2.1 最宝贵的教材...
- 提交训练作业那一刻，日志中冷不丁冒出一行 ModuleNotFoundError: No module named 'xxx'，而同样的代码在本地 Jupyter 里明明跑得通。这种“本地能跑、云端崩掉”的割裂感，几乎是每个 ModelArts 新手都会撞上的第一堵墙。这个报错本身并不复杂，但它的出现往往暴露出环境一致性、依赖声明和容器执行逻辑上的一系列盲区。 提交训练作业那一刻，日志中冷不丁冒出一行 ModuleNotFoundError: No module named 'xxx'，而同样的代码在本地 Jupyter 里明明跑得通。这种“本地能跑、云端崩掉”的割裂感，几乎是每个 ModelArts 新手都会撞上的第一堵墙。这个报错本身并不复杂，但它的出现往往暴露出环境一致性、依赖声明和容器执行逻辑上的一系列盲区。
- 模型越大越聪明？边缘 AI 推理别再“硬堆配置”，量化才是破局关键 模型越大越聪明？边缘 AI 推理别再“硬堆配置”，量化才是破局关键
- OPERA Dynamic Surface Water Extent from Harmonized Landsat Sentinel-2 provisional product (Version 1)简介本数据集包含 OPERA 3 级动态临时地表水范围产品版本 1。数据为自 2023 年 4 月起的临时地表水范围观测数据。已知问题和使用注意事项详见“文档”部分。生成每个产品的输入数据集... OPERA Dynamic Surface Water Extent from Harmonized Landsat Sentinel-2 provisional product (Version 1)简介本数据集包含 OPERA 3 级动态临时地表水范围产品版本 1。数据为自 2023 年 4 月起的临时地表水范围观测数据。已知问题和使用注意事项详见“文档”部分。生成每个产品的输入数据集...
- RLHF是大模型对齐领域经典且完整的技术体系，依托人工反馈标注、奖励模型建模、强化学习多轮迭代的完整链路，让模型精准贴合人类偏好，是顶级商用大模型高精度对齐的核心基石，整体效果顶尖，但流程复杂、成本高昂。PPO作为RLHF的核心执行算法，凭借小幅稳定迭代的约束机制，解决了大模型强化学习训练不稳定的核心痛点，是传统高精度对齐场景的最优技术选择。 而DPO是对齐技术迭代优化的核心产物，跳出了传统强 RLHF是大模型对齐领域经典且完整的技术体系，依托人工反馈标注、奖励模型建模、强化学习多轮迭代的完整链路，让模型精准贴合人类偏好，是顶级商用大模型高精度对齐的核心基石，整体效果顶尖，但流程复杂、成本高昂。PPO作为RLHF的核心执行算法，凭借小幅稳定迭代的约束机制，解决了大模型强化学习训练不稳定的核心痛点，是传统高精度对齐场景的最优技术选择。 而DPO是对齐技术迭代优化的核心产物，跳出了传统强
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签