- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习算法与Python学习
群体智能-果蝇算法
这两种算法皆是藉由动物群体觅食行为而发展出来的，因此有学者称为群体智能或是群智能算法。而它们也都必须透过迭代的搜寻才能搜寻到最佳解，因此亦属于演化式计算的领域。 图2 果蝇群体迭代搜寻食物的示意图 其步骤为: (1) 随机初始果蝇群体位置。 Init X_axis Init Y_axis (2) 附与果蝇个体利用嗅觉搜寻食物de随机方向与距离。 x、y 坐标，此时果蝇群体利用视觉往该位置飞去。 图2 迭代求解极小值函数曲线和果蝇搜寻轨迹 3.1，详细说明如下: (1) 随机初始果蝇群体位置。 Smell(i)=-5+S(i)^2; (5) 找出此果蝇群体的中味道浓度最低的果蝇(求极小值)。
3.6K110发布于 2018-04-08 AGORA：通过群体蒸馏激发大语言模型的群体涌现能力
这种增益源于群体涌现能力——孤立模型无法实现的集体能力合成，验证了交互作为智能可扩展驱动力的有效性。研究结果将协作生态系统的工程化定位为能力涌现的关键前沿。 主题分类机器学习（cs.LG） 人工智能（cs.AI） 核心创新交互式扩展轴：突破传统参数缩放模式，建立模型间结构化交互机制 群体蒸馏技术：通过协作集成产生超越单体模型的群体涌现能力 性能验证： 在数学推理任务中实现4.45%的绝对性能提升 技术价值该研究为大语言模型能力突破提供了新范式，证明通过设计交互生态激发的群体智能可成为继数据/参数扩展后的第三代能力提升路径。
16110编辑于 2025-08-05- 来自专栏哲学驱动设计
CQRS讨论
今天和同事一起讨论了CQRS（Command Query Responsibility Segregation），过程中，我产生了一些疑问，先记录在这里，以后有解决方案了再说。 ：） http://blog.jteam.nl/2009/12/21/rethinking-architecture-with-cqrs/ 以下是讨论正文： 发件人: 1B-2-12 胡庆访;
82470发布于 2018-01-29 - 来自专栏运维之路
群体协同方式
晚上在阅读大卫.西贝特的可视化思维丛书中提到的群体协作手段，恰好与最近的一些思考相呼应，摘录出书中的一些可视化协同工具。 排名用的支持软件 平板电脑（或手机），并实时投影出来 2、同一时间+不同地点 典型代表：线上会议，适用于办公协同不在同一处地点，但在同一时刻需要进行沟通，比如每天多地的站立会，周例会等 电话会议，配备讨论文件
61020发布于 2020-03-06 - 来自专栏机器学习AI算法工程
用户群体画像那些事儿
伴随着大数据应用的讨论、创新，个性化技术成为了一个重要落地点。 用户群体画像是产品用户增长的利器之一——它能够帮您探究产品指标数字背后的原因。 群体画像的用途 用户群体画像可以帮助我们： 分析某个指标数字背后的用户，具备哪些特征——他们的人群属性、他们的行为特点？ 找到一些有趣的、有价值的事实，并从中发现产品有效改进提升的机会或方向。 用户群体画像应如何使用？ 群体画像除了帮助我们查看产品用户的特点，更重要的作用是发现产品问题的背后的原因。 用户群体画像提供了一架坚实的桥梁，可以帮助您和您的产品更加顺利的跨越鸿沟，尽早实现用户的快速增长！ 如何构建用户画像 伴随着大数据应用的讨论、创新，个性化技术成为了一个重要落地点。
3.2K110发布于 2018-03-13 - 来自专栏月小水长
当人们在讨论 ChatGPT 时，都在讨论什么
笔者分别使用微博和推特爬虫爬取了国内外网民对 ChatGPT 的讨论，并使用 Bert 预训练模型进行主题建模和可视化，从多个角度对比了各类人群对 ChatGPT 的不同看法。 笔者抓取了微博上 2022.12.01 至 2023.02.06 关于 ChatGPT 的讨论共计 2.6 w 条，对所有数据预处理后使用 BertTopic 建模，时间序列可视化如下。 主题分布 时间序列主题演化 然后抓取了同时期的推特推文，做同样的处理，结果如下， 主题分布 时间序列主题演化 对比主题分布可知，微博和推特网友对 ChatGPT 讨论的话题有显著差异： 微博网友主要表达了对职业取代的担忧和对 再看细看微博网友的讨论，先用笔者之前做过的在线分析网站 https://weibo-crawl-visual.buyixiao.xyz/topic-weibo-visual 分析之： 看图，一切尽在不言中
68530编辑于 2023-03-02 - 来自专栏技术面面观
golang 指针讨论
好几天没有更新了，因为小熊给老板打了包票，要把 10 天的工作，压缩在 5 天，怎么压缩，靠加班咯。今天回家以后连不上那几台服务器，加班不成，写写文章。
55310发布于 2020-05-14 - 来自专栏格物致知
讨论 Setsockopt选项
有时候我们要控制套接字的行为(如修改缓冲区的大小),这个时候我们就要控制套接字的选项了. 以下资料均从网上收集得到 getsockopt 和 setsockopt 获得套接口选项：
1.7K20编辑于 2022-08-19 - 来自专栏PHP开发者那些事
当我们讨论swoole的时候，我们在讨论什么？
首先，我们需要肯定的是，它的出现是为了弥补php更准确的是laravel的短板：性能和资源利用率。其次，就我们现有的场景来说，更多的是开发http的相关功能。
6.5K40发布于 2020-12-03 - 来自专栏机器学习、深度学习
群体运动度量--Measuring Crowd Collectiveness
Collectiveness 用于描述群体运动的一致性的一个定义 Collectiveness, which indicates the degree of individuals acting as a union in collective motion Collectiveness 的定义是 表示 个体的运动和 群体运动的相似度，个体在群体运动中的参与度， 人群，鱼群，细菌群，羊群 等等都有有序的运动 在一定的环境下，群体中的个体按照不同的水平的群体运动组成一个整体，所以群体运动的描述由个体的参与度决定，这反应了个体的运动和 群体运动的相似度。 一个群体系统 C 的 crowd collectiveness 可以被定义为 所有个体的 individual collectiveness 的均值，可以用如下公式来计算 ?
80290发布于 2018-01-03 - 来自专栏Kubernetes手记
Kubernetes集群体检之Polaris
随着 Kubernetes 的广泛使用，如何保证集群稳定运行，成为了开发和运维团队关注的焦点。在集群中部署应用时，像忘记配置资源请求或忘记配置限制这样简单的事情可能就会破坏自动伸缩，甚至导致工作负载耗尽资源。这样种种的配置问题常常导致生产中断，为了避免它们我们用 Polaris 来预防。Polaris是fairwinds开发的一款开源的kubernetes集群健康检查组件。通过分析集群中的部署配置，从而发现并避免影响集群稳定性、可靠性、可伸缩性和安全性的配置问题。
1.6K20发布于 2021-07-01 - 来自专栏ops技术分享
文件权限讨论
---- 讨论： 大神A： 你给qin用户这个目录读写执行 那它就可以操纵里面的东西。 大神A：因为qin用户可以管理qin这个目录 那如果不可以操作它里面东西 它如果删除qin这个目录？
86320发布于 2021-05-27 - 来自专栏智能制造社区
当我们在讨论APS时，我们在讨论什么?
前天，智能制造社区的小伙伴们在讨论APS,还是有一些比较好的意见可以分享给大家。 1. 讨论截图 ? ? ? ? ? ? ? ?
95020发布于 2020-02-11 - 来自专栏钱塘大数据
当我们讨论数据挖掘时，我们在讨论什么？
? ? ? ? ? ? ? ? ? ? ?
915120发布于 2018-03-06 - 来自专栏.Net Core技术分享
当我们在讨论CQRS时，我们在讨论些神马？
Console.WriteLine($"{Name} Say: {word}"); } } 在Person类中： Name、Age：属性（状态） Say(string): 方法（行为） 再回到本小节讨论的内容 欢迎讨论！
69230发布于 2019-09-23 - 来自专栏程序员笔记
平行的讨论方式
第二个故事是用六顶思考帽来讨论议题，把议题分为5个方面（感觉，事实，赞成，反对，改进），当主持人说现在我们讨论「赞成」的时候，所有与会的人尤其是反对者，都必须说这个议题的优点，为什么要做这个议题。 而当主持人说我们现在讨论「反对」的时候，所有与会的人尤其是支持者，都必须说这个议题的坏话，为什么不能做这个事情。而在讨论「改进」的时候，所有人都不可以做任何评价，并且总是鼓励更多的方案与想法。 这两个故事其实都是平行思考，就是大家讨论的时候必须站在同一个面，即时自己的立场是反面的，此时此刻也必须为对方说话，等到议题到了讲反面的时候自然有机会说。对于减少会议中的无意义争辩应该会很有效。
55650发布于 2018-06-14 - 来自专栏人工智能ai相关
AI音乐真正冲击的群体不是普通音乐人而是这个群体·卓伊凡
AI音乐真正冲击的群体不是普通音乐人而是这个群体·卓伊凡卓伊凡的技术视角把这事说透：AI音乐是势不可挡的，但它真正“冲击最狠”的，往往不是普通创作者，而是那条吃得最稳、抽成最久的链条——音乐版权与商用授权公司
11610编辑于 2026-01-13 - 来自专栏大数据文摘
群体的智慧：集成学习入门介绍
这通常被视为是群体的智慧。 对于回归和分类的预测建模问题，通过把多个机器学习的预测模型组合起来，也可以达到类似的结果。这通常叫做集成机器学习，简称集成学习。 群体决策效果比个人更好，这被称为群体的智慧。 集成机器学习把多个成熟的模型预测结果组合起来。 我们开始吧！ 群体的智慧 这种基于群体的低水平决策来进行最终决策的方法通常被称为“群体的智慧”。 它是这样的情况，即相对于群体中单个个体的决定，集合了群体中所有人的意见的结果通常更为准确、有效、以及正确。 这个例子是James Surowiecki’s 2004年出版的名叫 “The Wisdom of Crowds” 的书开头给出的，这本书探讨了人类群体做出的决策和预测往往群体成员更好。 群体的决策优于个体，被叫做群体的智慧。 集成机器学习是把多个成熟模型的预测结果组合起来。
67120发布于 2020-12-11 - 来自专栏科技记者
GWAS和群体遗传学笔记
群体遗传分析步步骤总览 主要包括7个步骤，分别是：SNP过滤、基因型填充、进化树分析、主成分分析、群体遗传结构分析、连锁不平衡分析和GWAS分析。 ? 1.SNP过滤 ? 5.群体结构分析 vcftools转换格式从vcf到plink格式ped，然后plink转换成二进制格式bed。 admixture进行群体结构分析。
2.9K42发布于 2020-06-16 - 来自专栏生信修炼手册
GWAS分析中使用PCA校正群体分层
Population stratification,称之为群体分层，是最常见的差异来源，指的是case/control组的样本来自于不同的祖先群体，其分型结果自然是有差异的。 对于群体分层的校正，通常采主成分分析的方法，即PCA, 对应的文章发表在nature genetics上，链接如下 https://www.nature.com/articles/ng1847 ?
5.3K41发布于 2019-12-19
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