每日AI值得看--2024-02-15

[CSDN-Ada助手]

① 【机器学习】数据清洗之处理异常点（甜美的江:[博客] [成就]） [质量分：95；难度等级：未知；新鲜技术：99]
摘要：在本博客中，我们深入研究了处理异常值的三种主要策略：删除、替代和转换。我们首先讨论了确定处理策略时需要考虑的因素，包括数据特点、领域知识和建模需求。接着，我们详细介绍了删除异常值、替代异常值和转换异常值的方法，并对每种方法的优缺点进行了全面分析。

② ubuntu22.04@laptop OpenCV Get Started: 008_image_filtering_using_convolution（lida2003:[博客] [成就]） [质量分：96；难度等级：未知；新鲜技术：99]
摘要：通过以下矩阵，对图像进行卷积的计算机操作，从而对数据进行有效性过滤。其实计算机编程就是这么简单，当然要深入理解为什么要过滤，怎么有效过滤，这个就是深入的课程，需要了解API参数的含义，以及各参数背后业务的具体意义。

③ 【PyTorch】PyTorch中张量(Tensor)统计操作（咸鱼鲸:[博客] [成就]） [质量分：95；难度等级：未知；新鲜技术：99]
摘要：上文介绍了PyTorch中张量(Tensor)的计算操作，本文将介绍张量的统计操作。

④ 使用深度学习进行时间序列预测（jk_101:[博客] [成就]） [质量分：96；难度等级：未知；新鲜技术：97]
摘要：创建一个 LSTM 回归神经网络。使用输入大小与输入数据的通道数匹配的序列输入层。接下来，使用一个具有 128 个隐藏单元的 LSTM 层。隐藏单元的数量确定该层学习了多少信息。使用更多隐藏单元可以产生更准确的结果，但也更有可能导致训练数据过拟合。

⑤ 在Meteor Lake平台上使用NPU进行AI推理加速（hyang1974:[博客] [成就]） [质量分：94；难度等级：未知；新鲜技术：99]
摘要：比较新的硬件最好使用compute-runtime最新的release，但有时最新的有可能无法匹配安装的系统，可以安装能用的最新版本。能看到intel_vpu的字样说明内核能识别NPU，在内核中可能是延续以前定义，NPU被叫做VPU。

⑥ AI大模型开发基础之提示词工程【翻译】（paopaodog:[博客] [成就]） [质量分：94；难度等级：未知；新鲜技术：99]
摘要：在某些情况下，修改提示词在少数孤立的示例上获得更好的性能，但在更具代表性的示例集上导致更差的整体性能。它是偶然被发现的，有人在提问时以「让我们一步一步思考」开头，结果发现 AI 会把问题分解成多个步骤，然后逐步解决，使得输出的结果更加准确。

⑦ 【AI视野·今日Robot 机器人论文速览 第七十九期】Thu, 18 Jan 2024（hitrjj:[博客] [成就]） [质量分：92；难度等级：未知；新鲜技术：99]
摘要：受最近基于边缘的并行图搜索工作的启发，我们提出了 PINSAT，它在 INSAT 中引入了系统并行化，以实现更短的规划时间和更高的成功率，同时保持比相关基线显着降低的成本。在分析、数值和实验工具的指导下，我们探索了这种基于力学的软夹具的新颖抓取原理。

⑧ 【深度学习】S2 数学基础 P4 微积分（下）偏导数与链式法则（脚踏实地的大梦想家:[博客] [成就]） [质量分：89；难度等级：未知；新鲜技术：99]
摘要：深度学习的核心在于优化；优化的重点在于降低损失值；降低损失值需要通过反向梯度下降；而微积分，判断的就是梯度下降的方向和大小。

⑨ PyTorch2.0~Dynamo（whaosoft143:[博客] [成就]） [质量分：95；难度等级：未知；新鲜技术：87]
摘要：因此，在执行上述代码时会显示生成了两次 Guard，第一次发生在编译原始函数，生成 compiled_fn，第二次发生在编译 compiled_fn，分别对 __resume_at_32_1 和 __resume_at_40_2 进行编译。

⑩ m基于深度学习的QPSK调制解调系统相位检测和补偿算法matlab仿真（我爱C编程:[博客] [成就]） [质量分：82；难度等级：未知；新鲜技术：99]
摘要：该算法利用深度学习网络对接收到的信号进行相位检测，并根据检测结果对信号进行相位补偿，从而提高解调性能。QPSK调制是一种四相位的相位键控调制方式，它将每两个比特的信息映射到一个符号上，每个符号有四种可能的相位状态，分别是0°、90°、180°和270°。