新星计划2023【人工智能:机器学习/NLP】 TOP5公示!!

汀个人社区
领域专家: 人工智能技术领域
2023-05-08 14:30:53

1.新星计划2023【人工智能:机器学习/NLP】 TOP5公示!!

 

 

 官方提供12名入围选手,其中7名符合创作方向,同时部分同学提交主页有误导致未能获取信息。

计分规则:参考新星计划2023【人工智能:机器学习/NLP】,学习方向报名入口!

top5:为高亮同学,恭喜大家!

各团队top5学员可获【特别奖】--官方提供

 

2.TOP5评选规则

1. 根据有效博客(质量分>=80,无灌水内容)创作量及热榜次数评选,权重30%。

2. 根据项目实战完成度进行评选,70%以上完成度参与评选,权重30%。

3.根据日常布置学习完成任务情况进行评选,导师打分,权重40%。

4.完成相应博客发文后,同步发送到社区-新星计划专栏下,便于后续总评。

 

结合实际情况进行评分微调:总分=平均质量分/100*文章总数*0.5+导师赋分/100*0.5

为了方便量化简要说明:

  • 平均质量分/100*文章总数*0.5--对应1、2两点,权重进行调整。
  • 0.5+导师赋分/100*0.5 对应3、4点,到时赋分上限100分

可以发现部分同学文章数量很多,但实际内容质量还欠佳,所以评分参考质量分数进行调整

 

 

...全文
593 7 打赏 收藏 举报
写回复
用AI写文章
7 条回复
切换为时间正序
请发表友善的回复…
发表回复
汀个人社区 2023-05-08
  • 打赏
  • 举报
回复
  • 第一点原则:写自己喜欢的领域,不要为了流量而创作,保持初心,耕耘纵向深度!

  • 第二个原则:注重积累,把文章深度提上去并且产出一点项目,而不是口水文。“一方面是根据你平时阅读爱好的一个积累,一方面是根据你自己生活的一个积累。”

椒椒。 2023-05-08
  • 打赏
  • 举报
回复 1
最近太忙了,呜呜呜,只能说继续努力了
汀个人社区 2023-05-08
  • 举报
回复
@椒椒。 一起进步,不忘自己初心即可
牛大了202X 2023-05-08
  • 打赏
  • 举报
回复 1

感谢汀总和平台提供的学习机会,以后继续努力

汀个人社区 2023-05-08
  • 举报
回复
@牛大了202X 一起进步,要学的东西可太多啦
高山莫衣 2023-05-08
  • 打赏
  • 举报
回复 1

呜呜呜呜呜,可算是上了一次top5

汀个人社区 2023-05-08
  • 举报
回复 1
@高山莫衣 坚持自我就可以超过很多人了
内容概要:本文围绕基于物理场的动态模式分解(piDMD)展开研究,重点探讨其在流体力学、热传导及多物理耦合系统中的建模与应用。通过Matlab代码实现,将传统的动态模式分解(DMD)方法与物理场控制方程相结合,引入物理约束以增强数据驱动模型的物理一致性,从而提升对复杂非线性系统的模态提取精度与长期预测能力。文章系统阐述了piDMD的理论基础、数学推导过程与算法实现步骤,并结合典型物理场仿真案例(如Navier-Stokes方程驱动的流场演化)进行验证,展示了其在降阶建模、主导模态识别和时空动态可视化方面的优越性能,适用于高维、强耦合、非平稳系统的分析与优化。; 适合人群:具备一定数值计算、流体力学、控制理论或数据驱动建模背景,熟悉Matlab编程与线性代数运算,从事科学研究、工程仿真或系统辨识工作的研究生、科研人员及工程师。; 使用场景及目标:①实现对流场、温度场等物理场的高效降阶建模与动态行为预测;②提取符合物理规律的关键模态,用于系统稳定性分析与控制设计;③支撑复杂系统的状态估计、异常检测与优化调控等下游任务。; 阅读建议:建议读者结合提供的Matlab代码逐行调试与运行,深入理解piDMD算法中物理约束的嵌入方式及其对模态质量的影响,同时可尝试将其迁移至其他偏微分方程描述的物理系统中进行拓展验证与应用。
内容概要:本文研究了在峰谷分时电价引导下,基于多目标优化遗传算法NSGA-II的电动汽车充电负荷优化问题。通过构建以电网负荷波动最小化和用户充电成本最低为核心的多目标优化模型,利用NSGA-II算法求解获得帕累托最优解集,实现对大规模电动汽车充电行为的有序引导。文中系统阐述了峰谷电价激励机制的设计原理、电动汽车充电负荷的数学建模方法、多目标优化问题的形式化表达以及NSGA-II算法的具体实现流程,并借助Matlab平台进行仿真验证,结果表明该策略能有效平抑电网负荷峰谷差、降低用户充电支出并提升电力系统的运行效率与稳定性。; 适合人群:具备一定电力系统基础知识和Matlab编程能力,从事智能电网、电动汽车调度、需求侧管理等相关领域的研究生或科研人员。; 使用场景及目标:①研究峰谷电价政策对电动汽车充电行为的影响机制;②掌握NSGA-II算法在电力系统多目标优化中的具体应用;③实现电动汽车集群的有序充电调度以改善电网负荷曲线; 阅读建议:此资源结合了电力经济学与智能优化算法,建议读者在学习过程中重点关注模型构建与算法实现的衔接部分,动手复现仿真代码以深入理解参数设置与结果分析过程。

75,301

社区成员

发帖
与我相关
我的任务
社区描述
本博客将不定期更新关于机器学习、强化学习、数据挖掘以及NLP等领域相关知识,以及分享自己学习到的知识技能,感谢大家关注!
人工智能自然语言处理机器学习 个人社区 浙江省·杭州市
社区管理员
  • 汀、人工智能
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

 

本人最近打算整合ML、DRL、NLP等相关领域的体系化项目课程,方便入门同学快速掌握相关知识。声明:部分项目为网络经典项目方便大家快速学习,后续会不断增添实战环节(比赛、论文、现实应用等)。

  • 对于机器学习这块规划为:基础入门机器学习算法--->简单项目实战--->数据建模比赛----->相关现实中应用场景问题解决。一条路线帮助大家学习,快速实战。
  • 对于深度强化学习这块规划为:基础单智能算法教学(gym环境为主)---->主流多智能算法教学(gym环境为主)---->单智能多智能题实战(论文复现偏业务如:无人机优化调度、电力资源调度等项目应用)
  • 自然语言处理相关规划:除了单点算法技术外,主要围绕知识图谱构建进行:信息抽取相关技术(含智能标注)--->知识融合---->知识推理---->图谱应用

上述对于你掌握后的期许:

  1. 对于ML,希望你后续可以乱杀数学建模相关比赛(参加就获奖保底,top还是难的需要钻研)
  2. 可以实际解决现实中一些优化调度问题,而非停留在gym环境下的一些游戏demo玩玩。(更深层次可能需要自己钻研了,难度还是很大的)
  3. 掌握可知识图谱全流程构建其中各个重要环节算法,包含图数据库相关知识。

这三块领域耦合情况比较大,后续会通过比如:搜索推荐系统整个项目进行耦合,各项算法都会耦合在其中。举例:知识图谱就会用到(图算法、NLP、ML相关算法),搜索推荐系统(除了该领域召回粗排精排重排混排等算法外,还有强化学习、知识图谱等耦合在其中)。饼画的有点大,后面慢慢实现。

 

个人主页:https://blog.csdn.net/sinat_39620217?type=blog

试试用AI创作助手写篇文章吧