勋章
我关注的人
粉丝
技术能力
暂时未有相关云产品技术能力~
better bench 简介：CS博士；研究领域：类脑计算、持续学习、AI、数据挖掘、自然语言处理、数学建模。
-
发表了文章 2024-08-01
【计算机二级Python】模拟试卷第3套选择题
第三套计算机二级Python考试的模拟选择题，包含40道题目，内容涉及数据结构、程序设计方法、软件工程、数据库技术、Python语言特点、基本语法、控制结构、函数、文件操作等，旨在帮助考生复习和准备考试。
-
发表了文章 2024-08-01
【计算机二级Python】模拟试卷第7套选择题
第七套计算机二级Python考试的模拟选择题，包含40道题目，内容覆盖面向对象方法、软件需求分析、软件测试、结构化程序设计、数据库设计、E-R图、栈操作、排序方法、数据结构、Python语言特性、程序设计风格、字符串处理、随机数、异常处理、控制结构、列表和字典操作、文件读写、数据组织维度、字符串函数、第三方库应用等方面，旨在帮助考生复习和准备考试。
-
发表了文章 2024-08-01
【计算机二级Python】模拟试卷第4套选择题
第四套计算机二级Python考试的模拟选择题，包含40道题目，内容涉及需求分析、数据流图、黑盒测试、E-R图、二叉树、算法复杂度、Python文件后缀、浮点数精度、保留字、字符编码、循环结构、第三方库、列表操作、文件读写、CSV文件、turtle图形库、网络爬虫、数据分析、机器学习、字符串操作、类型转换、随机数、列表推导、字典、字符串格式化等方面，旨在帮助考生复习和准备考试。
-
发表了文章 2024-08-01
【计算机二级Python】模拟试卷第1套选择题
本文提供了一套计算机二级Python考试的模拟试卷，包含40道选择题，覆盖了Python基础知识、数据结构、程序设计、异常处理、文件操作、数据类型、库函数等多个方面的知识点。
-
发表了文章 2024-08-01
【计算机二级Python】模拟试卷第2套选择题
本文提供了第二套计算机二级Python考试的模拟选择题，包含39道题目，内容涉及算法特性、数据结构概念、程序设计方法、软件工程、异常处理、变量命名规则、Python语言特点、数据类型、循环结构、文件处理等多个知识点。
-
发表了文章 2024-08-01
【科技知识】信息系统和人工智能发展的思考
本文整理自陆军院士关于信息系统和人工智能发展的网课讲座，探讨了信息系统的内涵、狭义与广义信息学的定义、技术发展，并提出了广义信息系统技术需结合思维科学和哲学，以促进强人工智能的发展。
-
发表了文章 2024-08-01
【Python-Tensorflow】ERROR: Could not find a version that satisfies the requirement tensorflow
本文讨论了在安装TensorFlow时遇到的版本兼容性问题，并提供了根据Python版本选择正确pip版本进行安装的解决方法。
-
发表了文章 2024-08-01
【Python 3】什么时候使用yield而不是return？
本文讨论了Python中`yield`与`return`的使用场景，解释了`yield`在生成器中的应用，允许函数逐步产生值而不必一次性计算并返回整个序列，适合于节省内存的懒加载场景。
-
发表了文章 2024-08-01
【Python-Keras】keras.fit()和keras.fit_generator()的解析与使用
本文解析了Keras中的`fit()`和`fit_generator()`方法，解释了两者在训练神经网络模型时的区别和使用场景，其中`fit()`适用于数据集较小且无需数据增强时，而`fit_generator()`适用于大数据集或需要数据增强的情况。
-
发表了文章 2024-08-01
【Python-numpy】numpy.random.choice()解析与使用
本文介绍了NumPy中的`numpy.random.choice()`函数，它用于从一维数组或整数范围内根据指定概率或均匀分布生成随机样本，支持设置样本大小、是否替换以及每个元素的特定概率。
-
发表了文章 2024-08-01
【Python-Numpy】numpy.random.binomial()的解析与使用
本文介绍了NumPy的`numpy.random.binomial()`函数，用于从二项分布中抽取样本，适用于模拟具有固定试验次数和成功概率的随机实验，并提供了如何使用该函数进行概率计算和模拟实验的示例。
-
发表了文章 2024-08-01
【Python-Keras】Keras搭建神经网络模型的Model解析与使用
这篇文章详细介绍了Keras中搭建神经网络模型的`Model`类及其API方法，包括模型配置、训练、评估、预测等，并展示了如何使用Sequential模型和函数式模型来构建和训练神经网络。
-
发表了文章 2024-08-01
【Python-Keras】keras.layers.Dense层的解析与使用
关于Python-Keras库中keras.layers.Dense层的解析与使用。
-
发表了文章 2024-08-01
【Python-Keras】keras.layers.BatchNormalization解析与使用
BatchNormalization是一种用于深度神经网络的规范化方法，通过在每个batch上规范化前一层的激活值，加快模型训练速度，提高稳定性，并减少对初始化权重的敏感性，允许使用更大的学习率。
-
发表了文章 2024-08-01
【文献学习】2 Power of Deep Learning for Channel Estimation and Signal Detection in OFDM
研究成果是：如果有足够的导频，则深度学习模型可以获得与传统方法相当的性能，但是在有限的导频、去除CP和非线性噪声下，深度学习模型更优。
-
发表了文章 2024-08-01
【文献学习】 ComNet: Combination of Deep Learning andExpert Knowledge in OFDM Receiver
本文提出了一种模型驱动的DL结构，称为ComNet，以取代传统的或FC-DNN的OFDM接收机。
-
发表了文章 2024-08-01
【Python-Keras】keras.layers.Lambda解析与使用
【8月更文挑战第1天】keras.layers.Lambda解析与使用
-
发表了文章 2024-08-01
【Python3】argparse解析与使用_python3 argparse
【8月更文挑战第1天】argparse 是对终端输入的命令行的参数进行解析，俗称命令行解析器。
-
发表了文章
2024-09-23
【BetterBench博士】2024年华为杯E题：高速公路应急车道紧急启用模型 Python代码实现
-
发表了文章
2024-09-23
【BetterBench博士】2024华为杯C题：数据驱动下磁性元件的磁芯损耗建模 Python代码实现
-
发表了文章
2024-09-21
【BetterBench博士】2024年中国研究生数学建模竞赛 C题：数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
-
发表了文章
2024-09-21
【BetterBench博士】2024年中国研究生数学建模竞赛 E题：高速公路应急车道紧急启用模型 问题分析、数学模型及Python代码
-
发表了文章
2024-09-21
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
-
发表了文章
2024-08-18
【阿里云】一键部署创建函数计算服务以处理多媒体文件
-
发表了文章
2024-08-09
【2024年华数杯全国大学生数学建模竞赛】C题：老外游中国 问题思路分析及Python代码实现
-
发表了文章
2024-08-09
增量学习中Task incremental、Domain incremental、Class incremental 三种学习模式的概念及代表性数据集？
-
发表了文章
2024-08-09
【博士每天一篇文献-综述】2024最新联邦遗忘综述：Federated unlearning A survey on methods, design guidelines
-
发表了文章
2024-08-09
【博士每天一篇文献-综述】2024机器遗忘最新综述之一：An overview of machine unlearning
-
发表了文章
2024-08-09
【博士每天一篇文献-算法】持续学习经典算法之LwF: Learning without forgetting
-
发表了文章
2024-08-09
【博士每天一篇文献-综述】2024机器遗忘最新综述之一：A Survey on Machine Unlearning Techniques and New Emerged Privacy Risks
-
发表了文章
2024-08-09
【博士每天一篇文献-算法】连续学习算法之HAT： Overcoming catastrophic forgetting with hard attention to the task
-
发表了文章
2024-08-09
【博士每天一篇文献-算法】连续学习算法之HNet：Continual learning with hypernetworks
-
发表了文章
2024-08-09
【博士每天一篇文献-算法】连续学习算法之RWalk：Riemannian Walk for Incremental Learning Understanding
-
发表了文章
2024-08-09
【博士每天一篇文献-算法】改进的PNN架构Lifelong learning with dynamically expandable networks
-
发表了文章
2024-08-09
【博士每天一篇文献-算法】改进的PNN架构Progressive learning A deep learning framework for continual learning
-
发表了文章
2024-08-09
【博士每天一篇文献-算法】 PNN网络启发的神经网络结构搜索算法Progressive neural architecture search
-
发表了文章
2024-08-09
【博士每天一篇文献-算法】Neurogenesis Dynamics-inspired Spiking Neural Network Training Acceleration
-
发表了文章
2024-08-09
Zerotier+Parsec五分钟实现外网远程访问校园或公司内网
-
回答了问题
2024-08-18
如何10分钟获得一位24小时AI专家助手？
1. 创建大模型应用 登录阿里云，进入百炼控制台的“我的应用”，点击“创建应用”。在应用设置页面，选择模型通义千问-Plus，并可自定义Prompt以适应您的业务需求，例如设定助手角色为解答产品选购和使用问题的小助。完成设置后，点击“发布”。随后，记得获取API-KEY和应用ID，这将在后续步骤中用于调用大模型服务。 2. 搭建示例网站（可选） 利用函数计算提供的应用模板，快速部署一个示例网站作为AI助手的集成环境。此步骤主要用于测试和演示，实际中可直接应用于您的现有网站。部署时，需填入之前获取的百炼应用ID和API-KEY，确保模板中的AI助手功能与您的大模型应用对接。 3. 引入AI助手到网站 修改您的网站前端代码（或示例网站代码），在HTML文件中插入特定的JavaScript代码段，这将集成AI助手功能。代码中需包含调用大模型应用API的逻辑，使用之前获取的凭证进行身份验证和数据交互。 4. 增加私有知识 为了让AI助手更好地回答特定领域问题，您需要在百炼控制台上为大模型应用配置知识库。上传与您业务相关的文档（如产品手册、FAQ等），并通过知识索引功能建立索引，选择合适的AnalyticDB for PostgreSQL实例以存储和检索这些知识。配置完成后，AI助手将能结合私有知识库，提供更加精准和专业的客户服务。赞6 踩0 评论0