搜索[智能体构建]结果-低调大师优秀个人博客

精选列表

搜索[智能体构建]，共10000篇文章

工信部部长肖亚庆：推动 5G、互联网、大数据、人工智能与制造业深度融合

要着眼于发挥数字经济新引擎作用，加强新型信息基础设施建设，实施智能制造工程，开展制造业数字化转型行动，推动 5G、互联网、大数据、人工智能与制造业深度融合。

2021-11-01

——百度智能小程序 Input 组件原理剖析与键盘行为说明

在百度智能小程序的很多开发场景中，我们都会使用到 Input 输入框组件。而在操作输入框的过程中，正确处理键盘的弹出和收起行为也是十分重要的一环。

2020-05-15

抢厕纸不能预防肺炎，抢智能马桶可以么？全世界人民都为“菊部地区”操碎了心

为了“菊部地区”的长期稳定发展，智能马桶/智能马桶盖成为一湾温暖的避风巷，最近一度销量大涨，类似功能地坐便冲洗器销量飙升。对于大多数注重生活品质的人来说，抽水马桶的发明者一定值得被载入史册。

2020-03-18

AI测温、消毒机器人、智能问诊大显身手，一文读懂“疫情”下的AI+医疗产业

上岗”；在家中，在线或远程的智能问诊系统，让寻医问药再也不用亲自跑医院。

2020-02-20

6.23 NIUDAY 深圳站 | 从新零售到金融，Follow 技术大咖一起探索人工智能应用的无限可能...

想知道人工智能在软件工程领域的应用吗？想了解如何打造场景化的实时音视频吗？想探索图像识别技术在新零售线下门店的智能应用吗？想研究大数据和机器学习在证券行业中的应用吗？

2018-06-19

中国最大统计学与大数据盛会召开在即，顶级专家学者开启人工智能“超脑”风暴

人工智能经过了几十年的历练，在发展过程中历经起伏，而今年的AlphaGo人机大战又将人工智能推向了一个新的高潮，人工智能也已经从实验室逐步走向了商业化。

2018-05-23

全新一代人工智能计算引擎MaxCompute杭州开服，强化阿里云大数据能力，比肩谷歌微软

日前，全球权威调研机构Forrester发布《2018年一季度云端数据仓库》报告。报告对大数据服务商的主要功能、区域表现、细分市场和典型客户等进行了全面评估，最终AWS、阿里云、谷歌、微软四大巨头杀入全球一线阵营。阿里云成为唯一入选的中国科技公司。Forrester在报告中对阿里云进行了详细分析，其主力大数据计算平台MaxCompute提供基于公用云的多租户EB级大数据仓库和混合云服务，全球化进展迅速。主要业务领域覆盖金融、互联网、零售、电子商务等，典型客户包括微博、华大基因等。此前，MaxCompute已在全球部署开服12个节点，其中8个海外节点。凭借大规模计算存储、多种计算模型、强数据安全和低成本的优势，受到各区域客户的青睐。3月22日，阿里云将正式开服售卖华东1（杭州）节点的大数据计算服务MaxCompute，以进一步提升对

2018-03-20

赋能全生态·智构新体验 2017甲骨文云大会开幕与企业共启智能时代新篇章

本次大会议题全面升级，在突出展示甲骨文灵活安全的IaaS、PaaS卓越技术实力，以及创新智能的SaaS为用户带来的全新体验之外，甲骨文也邀请了来自IDC、百洋智能科技、科大讯飞、联想、比亚迪、四维图新、

2018-03-12

（2017中国数字化贡献人物专访）IT赋能企业，赛轮金宇集团是智能制造的先行者

新形势下，赛轮金宇集团从智能研发、智能生产、智能仓储和智能服务四个方面来切入，将制造技术与数字技术、智能技术、网络技术的集成应用于设计、生产、管理和服务的全生命周期，提升轮胎企业的信息化和智能化水平，促进轮胎产业实现向智能工厂的优化升级

2018-03-06

3D传感器让人脸识别大放异彩高通说，其实智能手机正热的“黑科技”还有很多

小米、vivo、苹果新机几乎同期扑面而来，让业界嗅到智能手机的一个热点：“人脸识别”——小米Note 3、vivo V7+、iPhone X都支持刷脸解锁，另外一个热点是“全面屏”，然而智能手机蓄势待发的技术何其多

2018-02-08

【收藏】2018年不容错过的20大人工智能/机器学习/计算机视觉等顶会时间表

目录人工智能/机器学习计算机视觉/模式识别自然语言处理/计算语言学体系结构数据挖掘/信息检索计算机图形学人工智能/机器学习 1.

2018-01-08

一代BPU，两款处理器，余凯发布地平线AI芯片：左手智能驾驶，右手摄像头

今日正式发布的地平线芯片，一款取名征程（Journey）1.0，面向智能驾驶，另一款取名旭日（Sunrise）1.0，主打智能摄像头。

2017-12-31

余凯重磅发布地平线中国芯“征程”与“旭日”，中国首款嵌入式人工智能视觉芯片问世

创始人兼CEO余凯与中国人工智能泰斗、清华大学计算机系教授、中科院院士张钹，国家集成电路产业投资基金股份有限公司总裁丁文武一起，发布了地平线的最新产品——“征程”与“旭日”两款芯片。

2017-12-19

思必驰俞凯：自然语言技术的畅想关键点不在交互，而是自然丨清华人工智能研习社

11月最后一天，思必驰联合创始人、首席科学家俞凯博士在清华x-lab主办的人工智能研习社第七课上，如此评价自然语言处理，并与现场听众一起畅想了这一潜力巨大的技术将走向哪里。

2017-12-03

【云栖大会】英国气象局联手阿里云寻找最聪明智能算法为“反重力无人飞行器”护航

此次大赛依托阿里云的天池竞赛平台，邀请全球的人工智能算法高手，为未来“反重力无人飞行器”寻找最佳航线。

2017-10-12

中国人工智能学会通讯——深度学习与推荐系统 2.2 深度交互函数学习 (Learning Interaction Function w...

2.2 深度交互函数学习 (Learning Interaction Function with Deep Learning) 作为早期使用神经网络进行评分建模的代表性工作，文献[42]使用限制玻尔兹曼机（RBM）学习交互函数，但该方法的近似优化算法较为费时[28]，且不易扩展到有辅助信息的情况。近期，我们在WWW2017上[6]提出了一个简单通用的基于神经网络的协同过滤框架（Neural Collaborative Filtering，NCF）。其基本思想是将用户和物品表示为隐空间的低维向量后，使用多层神经网络从数据中学习交互函数。图5展示了NCF的基本框架。输入层是对用户和物品原始数据进行one-hot编码后的特征向量；在没有辅助信息时，原始数据可以仅为用户ID和物品ID。随后是表示层，以获得用户和物品的隐向量表示。然后用户通道和物品通道的隐向量一起输入到一个多层神经网络，用于学习用户和物品之间的交互函数；该交互网络的最后一层通过全连接层输出模型预测分数。NCF是个通用的框架——通过设计输入数据和每一层的操作，NCF可以表示出许多现有的推荐模型。图1展示了如何将矩阵分解模型表示为NCF的一个特例；在此基础上，如果将用户通道的输入数据表示为用户评分历史（去除当前交互物品i），该模型为FISM模型[21]；如果将用户通道的输入表示为用户ID和评分历史的拼接向量，该模型则为SVD++模型[1]；如果将用户通道和物品通道的输入设计为ID和属性，该模型则为SVDFeature模型[29]。除表示现有推荐模型之外，多个新的基于NCF的深度学习模型被提出。例如，文献[6]提出NeuralMF，在隐含层组合矩阵分解模型和多层感知机模型，其中多层感知机使用与矩阵分解不同的表示层，用于建模用户和物品之间的非线性交互关系。该模型有较强的表示能力和泛化能力，在Top-K物品推荐中有较好的效果。近期，文献[23]提出了属性敏感的（attribute-aware）NCF变种，重点考虑不同属性之间的交互。图6展示了该模型。其中，主要不同于NCF的地方在于Pooling层的操作： NCF默认采取average pooling，假设所有属性的表示是独立的；而该模型使用一种新的bilinear pooling方式，受启发于分解机模型[25]，可以考虑ID与属性，以及所有属性对之间的交互。该模型在跨域的物品推荐(cross-domain recommendation)中展示了较好的效果。近期，来自于谷歌和微软的研究人员也分别发布了基于特征的深度学习推荐系统[12, 20,44]。其中Wide&Deep[12]的Wide部分采用线性回归模型，Deep部分采用基于特征表示学习的多层感知机模型。Deep Crossing[20]用于在线广告的点击率预测，但该模型架构同样可以用于推荐系统中（需加入用户ID和物品ID作为输入以学习协同过滤效果）。图7描述了Deep Crossing的模型架构，其中与Wide&Deep的主要区别在于使用了残差网络的部件（residual component）[45]，可以防止加深网络时梯度消失的问题。值得一提的是，Wide&Deep和Deep Crossing在模型底层融合多个特征的表示向量时，均采用了向量拼接（concatenation）的操作。由于该操作不考虑向量之间的交互，使得模型完全依赖于之后的多层感知机学习特征之间的交互。虽然深度网络被证明有极强的函数学习能力，但其同样也难以训练，例如过拟合、退化和对初始化高度敏感等问题[45]。而且在我们最近实测中[27]，基于深度学习的Wide&Deep和Deep Crossing的预测结果反而弱于浅层的分解机模型。为了解决这个问题，我们在最近的SIGIR 2017的工作中[27]提出了一个新的深度学习模型，在Wide&Deep基础上将底层的向量拼接操作替换为新提出的Bilinear Interaction Pooling操作该操作考虑了所有特征表示向量之间的pair-wise交互关系。如果将pooling层直接输出到预测值，该模型则和分解机模型相同，因此称之为深度分解机模型（Neural Factorization Machine，NFM）。在上下文敏感的推荐任务中(context-aware recommendation)，仅加深一层的NFM显著提高分解机7%，其准确度不仅超过了3层的Wide&Deep和10层的Deep Crossing模型，而且NFM架构相对简单，训练起来更容易更高效。在随后的工作中[41]，我们进一步扩展了NFM模型，将注意力机制引入pooling操作中，用于学习每个特征交互的权重，改进了模型的表示能力和可解释性。

2017-08-31

阿里云联手厦门航空34万大奖征集最有效智能算法

大赛向全球发出邀请，聚集全球工程师的智能算法，以解决当航班遭遇雨雪、台风、管制等特殊情况下，航班调度系统的快速恢复问题，使航空公司能够尽量少的取消和延误航班，保证乘客的出行体验。

2017-08-15

【新智元人工智能创业家】陈天石：寒武纪，全球首款深度学习专用处理器

日前，GPU巨头企业NVIDIA宣布推出致力于加速人工智能和深度学习的芯片Tesla P100，以及全球首款面向深度学习的超级计算机DGX-1。

2017-08-01

首个人工智能安全系统Flare横空出世

Flare属于相机，属于AI，也属于物联网配件，由BuddyGuard研发的“首个真正基于人工智能技术的家庭安全系统” 马克•扎克伯格（Mark Zuckerberg）的新年愿望是在家里实现像贾维斯（注

2017-07-31

吴恩达 NIPS 2016：利用深度学习开发人工智能应用的基本要点（含唯一的中文版PPT）

今日，在第 30 届神经信息处理系统大会（NIPS 2016）中，百度首席科学家吴恩达教授发表演讲：《利用深度学习开发人工智能应用的基本要点（Nuts and Bolts of Building Applications

2017-07-31

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。