数字图像处理课程设计---基于CNN(卷积神经网络)的医学影像识别
医学影像的识别（recognition）、分割（segmentation）和解析（parsing）是医学影像分析的核心任务。医学影像识别是指识别医学图像中的目标。理论上，目标的识别并不需要对目标进行检测或定位；但是实际上，通常会结合检测和定位去辅助完成目标识别。一旦完成识别，或检测，即得到了目标的最小外包矩形框（bounding box），就可以通过分割的任务寻找目标物体的精确边界。当图像中存在多个目标物体时，对多个目标的分割就变成了语义解析的任务，即对2D图像或3D图像中的像素赋予语义标签（Semantic Labels）。通过将同一目标的像素或体素打上相同的标签，就完成了对该目标的分割。
AHPA 弹性预测最佳实践
在云原生场景下，资源容量往往难以预估，而使用 K8s 原生的 HPA，往往要面对弹性滞后以及配置复杂问题。阿里云容器服务与达摩院决策智能时序团队合作推出的 AHPA（Advanced Horizontal Pod Autoscaler）弹性预测，可以根据业务历史指标，自动识别弹性周期并对容量进行预测，帮你提前进行弹性规划，解决弹性滞后的问题。 AHPA 如何配置才能解锁最佳使用姿势？本文给你带来 AHPA 弹性预测最佳实践
阿里巴巴达摩院“绿色能源AI”解决方案
阿里巴巴达摩院决策智能实验室致力于研究决策智能系统需要的国际前沿技术，提升业务运营效率和收益、降低成本。在电力能源行业构建出“绿色能源AI”方案，与国家电网、南方电网等企业合作落地多个项目。代表作软件是行业领先的MindOpt优化求解器、智能电力预测eForecaster、MindOpt Studio决策开发云平台。研究方向包含机器学习、数学建模、优化求解、 时序预测、因果分析、决策方案可解释性、决策推理大模型等。本篇是达摩院“绿色能源AI"方案的介绍幻灯片图，供大家了解方案的能力。