- 生成对抗网络在智能体自适应策略优化中的应用与性能分析 一、引言在人工智能领域，AI Agent（智能代理） 已被广泛应用于自动驾驶、游戏博弈、工业控制等任务中。然而，在动态环境中，传统强化学习的策略往往缺乏快速适应能力。生成对抗网络（Generative Adversarial Network，GAN）作为一种强大的生成模型，能够在博弈过程中生成逼真的数据分布，如果将其引入到策略生成环节，... 生成对抗网络在智能体自适应策略优化中的应用与性能分析 一、引言在人工智能领域，AI Agent（智能代理） 已被广泛应用于自动驾驶、游戏博弈、工业控制等任务中。然而，在动态环境中，传统强化学习的策略往往缺乏快速适应能力。生成对抗网络（Generative Adversarial Network，GAN）作为一种强大的生成模型，能够在博弈过程中生成逼真的数据分布，如果将其引入到策略生成环节，...
- LiDAR Derived Biomass, Canopy Height, and Cover for New England Region, USA, 2015简介该数据集提供了 2015 年美国新英格兰地区（包括缅因州、佛蒙特州、新罕布什尔州、马萨诸塞州、康涅狄格州和罗德岛州）地上生物量密度 (AGBD)、森林冠层高度和树冠覆盖率的 30 米网格估计值。它基于 2010 年至 2015 ... LiDAR Derived Biomass, Canopy Height, and Cover for New England Region, USA, 2015简介该数据集提供了 2015 年美国新英格兰地区（包括缅因州、佛蒙特州、新罕布什尔州、马萨诸塞州、康涅狄格州和罗德岛州）地上生物量密度 (AGBD)、森林冠层高度和树冠覆盖率的 30 米网格估计值。它基于 2010 年至 2015 ...
- 当大数据遇上量子力学：运算速度真的能“飞跃”？ 当大数据遇上量子力学：运算速度真的能“飞跃”？
- ACT-America: Gridded Ensembles of Surface Biogenic Carbon Fluxes, 2003-2019简介该数据集提供了 2003 年至 2019 年期间，美国本土（CONUS）463 米空间分辨率网格以及北美（NA）5 公里和半度空间分辨率网格上，基于模型导出的月度和 3 小时时间尺度的总初级生产力（GPP）、生态系统呼吸量（RECO）和净... ACT-America: Gridded Ensembles of Surface Biogenic Carbon Fluxes, 2003-2019简介该数据集提供了 2003 年至 2019 年期间，美国本土（CONUS）463 米空间分辨率网格以及北美（NA）5 公里和半度空间分辨率网格上，基于模型导出的月度和 3 小时时间尺度的总初级生产力（GPP）、生态系统呼吸量（RECO）和净...
- 基于YOLOv8的多种水果种类识别项目｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！源码包含：完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程该项目已实现以下核心功能演示：支持通过摄像头实时检测多种水果种类；可通过图像、视频、文件夹方式批量识别水果种类；PyQt5图形界面集成识别结果显示与图像预览功能；显示水果类别标... 基于YOLOv8的多种水果种类识别项目｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！源码包含：完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程该项目已实现以下核心功能演示：支持通过摄像头实时检测多种水果种类；可通过图像、视频、文件夹方式批量识别水果种类；PyQt5图形界面集成识别结果显示与图像预览功能；显示水果类别标...
- 本项目通过结合 YOLOv8 高效目标检测算法 与 PyQt5 图形界面开发工具，实现了一个实用且具备扩展性的 石头剪刀布手势实时识别系统。从数据准备、模型训练到界面交互与实时识别，项目构建了一条完整的深度学习应用链路 本项目通过结合 YOLOv8 高效目标检测算法 与 PyQt5 图形界面开发工具，实现了一个实用且具备扩展性的 石头剪刀布手势实时识别系统。从数据准备、模型训练到界面交互与实时识别，项目构建了一条完整的深度学习应用链路
- 模拟天气这件事，终于有人靠“量子力学”来救场了！ 模拟天气这件事，终于有人靠“量子力学”来救场了！
- ACT-America: L2 In Situ Atmospheric CO2, CO, CH4, and O3 Concentrations, Eastern USA简介该数据集提供了大气中二氧化碳 (CO2)、一氧化碳 (CO)、甲烷 (CH4)、水蒸气 (H2O) 和臭氧 (O3) 的浓度，这些浓度是在大气碳和运输-美国 (ACT-America) 项目开展的空中活动期间收集的。ACT... ACT-America: L2 In Situ Atmospheric CO2, CO, CH4, and O3 Concentrations, Eastern USA简介该数据集提供了大气中二氧化碳 (CO2)、一氧化碳 (CO)、甲烷 (CH4)、水蒸气 (H2O) 和臭氧 (O3) 的浓度，这些浓度是在大气碳和运输-美国 (ACT-America) 项目开展的空中活动期间收集的。ACT...
- 本文由AI产品专家三桥君探讨了AI从被动响应到主动决策的演进路径，重点分析了函数调用和RAG技术在构建AI Agent中的关键作用。文章梳理了大模型能力的迭代（原生能力与涌现能力），技术演进的三个阶段（提示工程→函数调用→RAG），并提出AI Agent需具备环境感知、推理决策和行动执行的核心要素。三桥君认为，未来AGI需突破跨领域学习、实时更新和安全性挑战，最终实现如"贾维斯"般的智能伙伴。 本文由AI产品专家三桥君探讨了AI从被动响应到主动决策的演进路径，重点分析了函数调用和RAG技术在构建AI Agent中的关键作用。文章梳理了大模型能力的迭代（原生能力与涌现能力），技术演进的三个阶段（提示工程→函数调用→RAG），并提出AI Agent需具备环境感知、推理决策和行动执行的核心要素。三桥君认为，未来AGI需突破跨领域学习、实时更新和安全性挑战，最终实现如"贾维斯"般的智能伙伴。
- 我们正在引入一种分析地球的新方法。Google 的卫星嵌入数据集利用人工智能的力量，将一年的多源卫星数据打包到每个 10 米像素中，从而实现更快、更强大的地理空间分析。欢迎来到 Earth Engine 中深度学习的未来。15 年前，我们推出了 Earth Engine，其使命是提供对地球观测图像和地理空间数据的广泛访问。随着我们在地球引擎数据目录中添加了数 PB 的公开数据，这一雄心勃勃的... 我们正在引入一种分析地球的新方法。Google 的卫星嵌入数据集利用人工智能的力量，将一年的多源卫星数据打包到每个 10 米像素中，从而实现更快、更强大的地理空间分析。欢迎来到 Earth Engine 中深度学习的未来。15 年前，我们推出了 Earth Engine，其使命是提供对地球观测图像和地理空间数据的广泛访问。随着我们在地球引擎数据目录中添加了数 PB 的公开数据，这一雄心勃勃的...
- DevOps 不香了？可能是你还没用上“智能运维”！ DevOps 不香了？可能是你还没用上“智能运维”！
- ACT-America: L1 DAOD Measurements by Airborne CO2 Lidar, Eastern USA简介该数据集提供了通过多功能光纤激光雷达（MFLL；哈里斯公司）在 2016 年夏季、2017 年冬季、2017 年秋季和 2018 年春季在美国中部和东部地区开展的大气碳和输送（ACT-America）项目机载观测期间进行的 1 级（L1）遥感差分吸收... ACT-America: L1 DAOD Measurements by Airborne CO2 Lidar, Eastern USA简介该数据集提供了通过多功能光纤激光雷达（MFLL；哈里斯公司）在 2016 年夏季、2017 年冬季、2017 年秋季和 2018 年春季在美国中部和东部地区开展的大气碳和输送（ACT-America）项目机载观测期间进行的 1 级（L1）遥感差分吸收...
- 人工智能在语言学习中的实践：从 Duolingo 到自研系统的深度剖析 1. 引言：当 AI 成为语言教师的“第二大脑” 1.1 语言学习的三大痛点反馈延迟：传统课堂无法做到“随问随答”内容同质化：教材更新缓慢，难以匹配个人兴趣遗忘曲线：缺乏科学复习节奏，导致“学得快忘得更快”Duolingo 用 AI 解决的正是这三个问题：实时语法纠错（NLP）个性化习题推荐（Bandit + 强化学习... 人工智能在语言学习中的实践：从 Duolingo 到自研系统的深度剖析 1. 引言：当 AI 成为语言教师的“第二大脑” 1.1 语言学习的三大痛点反馈延迟：传统课堂无法做到“随问随答”内容同质化：教材更新缓慢，难以匹配个人兴趣遗忘曲线：缺乏科学复习节奏，导致“学得快忘得更快”Duolingo 用 AI 解决的正是这三个问题：实时语法纠错（NLP）个性化习题推荐（Bandit + 强化学习...
- HMM模型 4.7 HMM模型API介绍 集成学习进阶 5.1 xgboost算法原理 5.4 otto案例介绍 -- Otto Group Product Classification Challenge【xgboost实现】 数据变化可视化 5.5 lightGBM 5.9 stacking算法基本思想 5.10 住房月租金预测 向量与矩阵的范数 朗格朗日乘子法 Huber HMM模型 4.7 HMM模型API介绍 集成学习进阶 5.1 xgboost算法原理 5.4 otto案例介绍 -- Otto Group Product Classification Challenge【xgboost实现】 数据变化可视化 5.5 lightGBM 5.9 stacking算法基本思想 5.10 住房月租金预测 向量与矩阵的范数 朗格朗日乘子法 Huber
- 在构建现代自然语言处理模型时，像 GPT 这样的预训练模型已经成为了必不可少的基础。这些模型的训练成本高昂，但在完成预训练之后，通过引入 Adapter 模块可以使得在不同任务中的微调更加高效。 Adapter 简介Adapter 是一种小型的神经网络模块，通常在模型的每一层 Transformer 之后被引入，以减少微调大规模预训练模型的计算和存储成本。Adapter 模块的主要思路是将一... 在构建现代自然语言处理模型时，像 GPT 这样的预训练模型已经成为了必不可少的基础。这些模型的训练成本高昂，但在完成预训练之后，通过引入 Adapter 模块可以使得在不同任务中的微调更加高效。 Adapter 简介Adapter 是一种小型的神经网络模块，通常在模型的每一层 Transformer 之后被引入，以减少微调大规模预训练模型的计算和存储成本。Adapter 模块的主要思路是将一...
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签