- 综合排序
- 最热优先
- 最新优先
- 来自专栏计算机工具
基于信用博弈的数据价格动态评估模型
摘要 传统数据交易平台中，定价完全由平台把控，数据所有者不明确数据潜在价值，网络买卖双方信用缺失，导致数据交易中的数据价格难以评估。本文提出了一种基于信用博弈的数据价格动态评估模型。 本文的主要贡献包括2个方面: 建立数据价格动态评估模型，包括数据产品定价策略和信用博弈模型[3]。对动态博弈过程进行分析并证明了纳什均衡的存在性。 因此，开放式交易平台中数据价格动态评估就是买方S和卖方O间的非完全信息动态博弈[10-11]问题。在移动云计算中基于动态博弈[12]中提出动态博弈的推荐激励策略可以提高移动云服务的数据安全和隐私保护。 2 数据价格动态评估模型 本模型由两部分构成：数据产品定价策略和信用博弈模型。数据产品定价策略防止数据价值偏离；信用博弈模型得到买卖双方的信用函数值，动态评估买卖双方信用。 通过信用博弈模型得出信用函数值结合数据产品定价策略完成数据价格动态评估。
47410编辑于 2024-12-14 - 来自专栏思影科技
抑郁症自我评估的大脑动态网络模型
作者采用动态因果网络模型，基于没有接受过药物治疗的71名患有中度到重度抑郁症的青少年以及88名健康参与者的功能磁共振成像数据，利用贝叶斯模型平均估计动态因果模型的参数，并将其进行比较。 结果： 抑郁症组和健康对照组的自主认知过程被证明依赖于同样的动态网络, 抑郁症组大脑前额叶皮层对抑郁症组的后扣带皮层有“超调节”效应，导致自我评估的不安感，其内侧前额叶皮质和后扣带皮质之间的负调节比对照组更明显 动态因果模型： 动态因果模型的目的是为了推断出脑区的单向因果体系结构，通过贝叶斯方法来预计贝叶斯模型的参数。 动态因果模型描述了一个脑区动力学在其他脑区动态变化中的作用，其中包括核心区域间的连接和影响因素。 给定的三个区域在每个组中被用来进行动态因果网络建模，给定数据，通过动态因果建模得到最可能的结构，值得注意的是，这个方法比其他模型得到的方法更优。
1.2K80发布于 2018-04-08 动态监测、精准评估：智慧金融守护林业保险稳健经营
卫星遥感数据在林业保险工作中准确提供林地的位置、面积等关键信息，建立精准的电子承保档案；通过周期性拍摄，持续监测林木长势，及时识别风险发生的早期迹象，使保险公司可为不同林区开展动态式风险管理。 风险评估和建模：通过分析历史遥感、地理信息和气象数据，确定不同地区风险水平，并建立相应的风险模型，有助于保险公司评估风险、确定保险政策和定价，制定灾害应对和减灾策略。 灾害监测和评估：通过对遥感图像进行分析，监测和评估林业灾害，如森林火灾、风灾、病虫害等，及时发现并评估灾害的范围和程度，为保险公司提供准确的损失评估和理赔依据。 承保和风险评估利用卫星遥感数据、地理信息和气象数据，确定承保范围和风险等级。查勘定损通过卫星遥感技术的解译及分析，评估林业灾害程度，为保险公司提供理赔依据。 高频率监测提供高精度的时间分辨率，智能捕捉林木生长态势、气象数据等动态信息，为林地风险管理提供科学依据。
18910编辑于 2025-10-16- 来自专栏技术汇总专栏
多 Agent 角色分配算法基于能力评估的动态任务指派机制
特别是当多个Agent需要协作完成复杂任务时，如何根据每个Agent的能力评估来动态分配任务，能够显著提高系统的效率和可靠性。 任务的需求可以基于任务类型、难度、所需技能等进行评估。2.2动态任务指派流程能力评估：对所有Agent进行能力评估，计算每个Agent的能力评分。 本文介绍了多Agent系统中的动态任务指派机制，重点探讨了基于能力评估的任务分配算法。 基于能力评估的任务指派机制：文章提出了一种基于Agent能力评分的动态任务指派方法。在这一机制中，任务分配不仅考虑Agent的能力，还实时评估其当前负载情况。 代码展示了如何动态评估每个Agent的负载情况并合理分配任务。结果分析：通过实验，展示了任务是如何根据Agent的能力和负载情况被动态分配的。
35110编辑于 2025-11-13 MOVISENS：腾讯云生态下的移动生理监测与动态评估专家
当腾讯云的云端算力与数据存储能力，遇上MOVISENS（德国）在移动监测（MobileMonitoring）与动态评估（AmbulatoryAssessment）领域的尖端技术，一场关于“物理世界数据数字化 交互式动态评估（IAA）：MOVISENS最具特色的功能。
11110编辑于 2026-03-02“大模型安全评估”需要评估哪些？
因此，构建一套科学、系统、多维度的安全评估体系，不再是可选项，而是确保其健康发展的必然要求。 #大模型备案##安全评估##生成式人工智能#一、语料安全评估二、生成内容评估暴力、仇恨与非法内容： 评估模型是否会生成宣扬暴力、恐怖主义、种族歧视、性别歧视、仇恨言论等的内容。 三、涉知识产权、商业秘密评估四、涉民族、信仰、性别等评估五、涉透明性、准确性、可靠性等评估事实准确性与反幻觉： “幻觉”是指模型生成看似合理但实则错误或虚构的信息。 评估需检验模型在知识密集型任务（如问答、摘要）中的事实准确性，及其对不确定信息的处理能力。逻辑一致性与连贯性： 评估模型在长文本生成或多轮对话中，是否能在逻辑上保持前后一致，避免自相矛盾或答非所问。 六、模型性能(拒答率）评估大模型的安全评估是一个动态、持续且多学科交叉的复杂工程，它需要技术专家、伦理学家、法律学者、社会科学家和领域专家的共同参与。
56210编辑于 2025-08-26- 来自专栏编程教程
动态IP代理与静态IP代理的深度解析及国内服务评估
一、技术原理与核心特性 动态IP代理与静态IP代理的本质差异在于IP地址分配机制。动态IP代理通过IP池轮换技术实现IP地址的动态分配，每次连接请求都会从海量IP资源中随机抽取一个地址。 服务质量评估需关注三个维度：IP纯净度测试显示，头部服务商的住宅IP资源占比超过60%，有效规避数据中心IP的识别风险；连接延迟测试中，北京至广州节点的平均延迟控制在80ms以内；7×24小时技术支持响应速度方面 在社交媒体营销场景，使用静态IP代理的账号权重提升30%，广告投放转化率较动态IP提高15%。 网络数据采集场景中，动态IP代理配合指纹浏览器技术，使爬虫成功率稳定在92%以上。 五、选型决策框架 企业选型需遵循三维评估模型：业务需求层面，高频短时访问优先选动态IP，长期会话保持选静态IP；安全要求方面，涉及资金交易必须使用静态IP，普通数据采集可用动态IP；成本预算约束下，动态 通过上述技术解析与服务评估，企业可建立清晰的代理服务选型标准。在数字化转型加速的今天，选择适配的代理服务方案，将成为企业获取竞争优势的关键技术决策。
54410编辑于 2025-08-29 - 来自专栏生信喵实验柴
BUSCO 评估
背景 用于转录组和基因组组装质量进行评估的软件，前面介绍了quast，今天的是busco，对于动物植物较大的基因组拼接结果评估，这个软件很好用。 busco简介 BUSCO（Benchmarking Universal Single-Copy Orthologs）主要用于转录组和基因组组装质量进行评估的软件。 BUSCO 对拼接结果的评估与 quast 不同，它并不追求基因组拼接的长度，而关注的是是否将一些单拷贝直系同源基因拼接出来。 BUSCO 评估的原理其实不难，软件根据 OrthoDB 数据库，构建了几个大的进化分支的单拷贝基因集。 包括基因组组装评估（all）、转录组组装评估（OGS）以及基因预测评估（trans） 其他选项 -sp ：做 AUGUSTUS 用于训练的物种名字 -e ：blast 的 e 值
2.1K41编辑于 2022-05-23 - 来自专栏张善友的专栏
DeepSeek模型技术动态引行业关注，企业生产系统API迁移需审慎评估
在当今数字化浪潮中，人工智能技术迅猛发展，各类模型如雨后春笋般涌现，而 DeepSeek 模型凭借其独特的优势，在人工智能领域迅速崭露头角，成为备受瞩目的新星。
90110编辑于 2025-02-13 - 来自专栏生信喵实验柴
quast评估
一、组装结果评估 1、准确性 基因组大小接近真实大小，拼出来的一般小于真实大小； GC含量接近真实GC含量，一个物种含量固定，可以判断污染； 基因组框架没有问题； 三、quast评估 今天给大家介绍一款，quast QUAST: Quality Assessment Tool for Genome Assemblies，可以对不同软件拼接的基因组序列， 软件官网：QUAST：http://bioinf.spbau.ru/quast #quast 评估案例： quast.py -r MGH78578.fasta spades.fa soapdenovo.fa
1.7K20编辑于 2022-05-23 - 来自专栏zingpLiu
模型评估
文章从模型评估的基本概念开始，分别介绍了常见的分类模型的评估指标和回归模型的评估指标以及这些指标的局限性。部分知识点举例加以阐述，以便加深理解。 所以，为了得到泛化误差小的模型，在构建机器模型时，通常将数据集拆分为相互独立的训练数据集、验证数据集和测试数据集等，而在训练过程中使用验证数据集来评估模型并据此更新超参数，训练结束后使用测试数据集评估训练好的最终模型的性能 2 评估指标的局限性 在模型评估过程中，分类问题、排序问题、回归问题往往需要使用不同的指标进行评估。在诸多的评估指标中，大部分指标只能片面地反映模型的一部分性能。 如果不能合理地运用评估指标，不仅不能发现模型本身的问题，而且会得出错误的结论。 3 分类模型的评估指标 正样本：需要判定概率为1的类型的样本叫做正样本。 第三，可以找一个更合适的指标来评估该模型。
1.6K30发布于 2019-04-01 - 来自专栏用户8715145的专栏
主机安全风险评估的类型 评估工具
在实际使用中难免会遇到一些病毒，所以大家采购时会有一些主机安全风险评估，会选择一些相对平稳的主机，以免后期运用造成数据的丢失和工作效率低下的问题。 那么主机安全风险评估有哪些种类，和怎么控制风险的发生呢，小编给大家整理了一下相关介绍。 安全风险评估和工具 电脑的使用现在已经很普遍了，使用电脑就会有一些隐私的数据，想达到数据的安全以及防止数据的安全性，我们要对主机进行一个安全风险的评估。安全风险评估分为哪些呢？ 风险评估一方面是对安全手段的评估，另一方面要对实际安全效果的评估。要想达到这种目的，我们要通过安全扫描、手工检查、渗透测试、安全审计、安全策略等方法进行安全风险评估。 企业更要有安全意识，把基础网络和重要信息的制度输入给员工，结合开展风险评估、应控等形式提高基础网络和信息系统的维护。
1.7K30编辑于 2021-12-03 - 来自专栏SAP ERP管理实践
SAP 物料的“评估类型”和“评估类别”
由于“分割评估”涉及技术部分更多，将主要步骤分享如下： 一、后台定义部分 （1）激活“分割评估”功能； （2）定义“评估类型”（ValuationType)（如本文中提到“自制品”、“外购品”两种评估类型 ，并选择相应帐户分类参考参数（与评估类相关），评估类型是评估类别的细分）； （3）定义“评估类别”（ValuationCategory)（分割评估的标准，将其中的评估类型与相应工厂激活）； （4）定义“ 评估区域”（ValuationArea)（评估区域可以公司范围内，也可以在工厂范围内） 二、前台操作部分 （1）定义物料主数据，将评估类别定义在会计视图中（其价格控制须选移动平均价V）； （2）定义“评估类型 ”为自制品的物料主数据（其评估级别与价格控制据需要填制）； （3）定义“评估类型”为外购品的物料主数据（其评估级别与价格控制据需要填制）； 注：前台操作第一步为第二步、第三步奠定基础，起作用的将是各制带评估类别的物料 三、相关关联部分 （1）“评估类型”分配给“评估类别”，再与物料主数据关联； （2）“评估类”（ValuationClass)分配给“物料类型”（MaterialType),再与物料主数据关联； 带有分割评估的物料
9.7K43发布于 2021-04-23 - 来自专栏数据森麟
又是模型评估？到底怎么评估？『附 AUC 评估的三计算方法』
前面一节提到了模型评估指标中 ROC 的详细概念和四个常见的问题，以后在遇到 ROC 想必再也不会发懵了：聊聊模型评估的事儿，附 roc 常见的四个灵魂发问 但是一般在说到 ROC 的时候，就会不自觉地提到
3.8K10发布于 2021-03-11 - 来自专栏机器之心
趣丸×北大来了波情绪轨迹动态评估
研究背景 情感支持是人类与人工智能交互的核心能力，现有的大语言模型（LLMs）评估往往依赖于简短、静态的对话，未能捕捉到情感支持的动态和长期性质。 因此，团队提出了一套全新的、检测情感动态轨迹的评估框架（简称 ETrajEval），用于更加科学、系统地评估大语言模型在长期对话中提供情感支持的能力。 这些指标共同表征了用户情绪状态的动态变化，并可作为评估情绪波动和稳定性的指标。 这些组件共同构成了一个动态评估框架，该框架由三大支柱组成：评估环境、动态交互和基于情感轨迹的指标。 本文的主要贡献如下： 评估建模：提出了一种动态、长期的评估框架，该框架使用马尔可夫过程和因果调整估计来跟踪用户的情感轨迹。 团队从三个角度设计了动态轨迹分析的评价指标，并利用因果推断来校准评估结果。实验结果表明，本文方法能够更全面、多维度地评估模型的情感支持能力，且与人类评估结果高度一致。
24410编辑于 2025-12-24 - 来自专栏全栈程序员必看
模型评估
离线评估无法完全消除模型过拟合的影响，因此，得出的离线评估结果无法完全替代线上评估结果 离线评估无法完全还原线上的工程环境。一般来讲，离线评估往往不会考虑线上环境的延迟、数据丢失、标签数据缺失等情况。 因此，离线评估的结果是理想工程环境下的结果。 线上系统的某些商业指标在离线评估中无法计算。离线评估一般是针对模型本身进行评估，而与模型相关的其他指标，特别是商业指标，往往无法直接获得。 比如，上线了新的推荐算法，离线评估往往关注的是ROC曲线、P-R曲线等的改进，而线上评估可以全面了解该推荐算法带来的用户点击率、留存时长、PV访问量等的变化。 5 模型评估的方法 知识点：Holdout检验、交叉验证、自助法（Bootstrap）、微积分 问题：在模型评估过程中，有哪些主要的验证方法，优缺点？ 7 过拟合与欠拟合 问题：在模型评估过程中，过拟合和欠拟合具体是指什么现象？
97340发布于 2021-05-20 - 来自专栏脑电信号科研科普
静息态下功能连接的遗传力:跨网络的动态均值、动态变异性和静态连接的评估
1.摘要 最近评估大脑功能连接体的遗传性的努力主要集中在静态连接上。然而，评估随时间变化的连通性可以为大脑功能的内在动态本质提供有价值的见解。 在这里，研究人员检查了人类连接组计划静息态fMRI数据的遗传率，以确定功能连接的动态波动是否有遗传基础。除了动态平均值和标准静态连通性外，还对动态连通性变化进行了评估。 对其他ICA维度进行后续分析，以评估ICA维度对遗传力估计的影响。整个处理流程见图1. 3.2网络识别 我们的主要分析检验了300维ICA数据集的平均网络内和网络间连通性估计的遗传力。 为了评估边缘连接的遗传力值范围，对所有信号成分之间的个体连接进行了跟踪分析。 评估动态均值和方差与遗传学的关系有助于鉴定内表型。这些内表型可能反过来阐明这些疾病的神经生物学病因，并有助于新疗法的发展。
78800发布于 2021-08-20 - 来自专栏SaaS加速器
沃丰科技GaussMind产品荣获可信AI评估证书！｜腾讯SaaS加速器·学员动态
在这场专业大咖云集的盛会中，来自北京沃丰时代数据科技有限公司的产品GaussMind 荣获中国人工智能产业发展联盟颁发的可信AI评估证书。 为了通过这个证书的评估，研发中心的小伙伴熬过了一个长长的流程： 准备申报表、评测审批表、答辩ppt，最后参与了线上答辩。 （评估报告） （评估过程中要经历重重答辩） 拿到证书那一刻，大家长舒了一口气，感叹努力终于有了结果。 那到底是什么样的产品，才能通过这层层的审核呢？ GaussMind 是沃丰科技研发的智能化产品线。 客户案例： 沃丰科技的Gaussmind产品已经得到诸多世界500强和中国500强客户的青睐和认可，此次可信AI评估证书的获得，也使得该产品得到了业内专家的认可和肯定。
84520发布于 2020-10-14 - 来自专栏Python与算法之美
评估指标metrics
本篇我们介绍评估指标。 一，评估指标概述 损失函数除了作为模型训练时候的优化目标，也能够作为模型好坏的一种评价指标。但通常人们还会从其它角度评估模型的好坏。 这就是评估指标。 通常损失函数都可以作为评估指标，如MAE,MSE,CategoricalCrossentropy等也是常用的评估指标。 但评估指标不一定可以作为损失函数，例如AUC,Accuracy,Precision。因为评估指标不要求连续可导，而损失函数通常要求连续可导。 编译模型时，可以通过列表形式指定多个评估指标。 如果有需要，也可以自定义评估指标。 自定义评估指标需要接收两个张量y_true,y_pred作为输入参数，并输出一个标量作为评估值。 如果编写函数形式的评估指标，则只能取epoch中各个batch计算的评估指标结果的平均值作为整个epoch上的评估指标结果，这个结果通常会偏离拿整个epoch数据一次计算的结果。
2.1K30发布于 2020-07-20 - 来自专栏AIGC新知
AIGC | 打通大模型私有化定制的最后一公里：PromptBench动态评估
pip安装方式 我们为想要快速开始评估的用户提供了一个 Python 包提示台。 pip install promptbench 2. 2、评估流程 导入包 import promptbench as pb 加载数据集 # print all supported datasets in promptbench print('All supported { "positive": 1, "negative": 0 } return mapping.get(pred, -1) 使用提示、数据集和模型执行评估 您可以使用加载的提示、数据集和标签执行标准评估。
30410编辑于 2024-10-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号