HY_shan7727的博客

原创 体验图像生成大模型

通过提示词让AI生成图片

原创 利用ai完成python题目

原创 制作物理知识动画

原创 体验大语言模型

本文对比测试了文心一言和ChatGPT在纯文本和多模态任务中的表现。在纯文本任务（逻辑推理、计算、创作等）中，两者均表现优秀，ChatGPT在深度分析任务中更胜一筹。在多模态任务中，文心一言支持文生图功能但平面设计能力有限，ChatGPT则无法直接生成图像。文心一言更符合中文用户习惯，ChatGPT在专业分析和复杂创作上更具优势。两者都存在记忆功能不足的缺陷，需根据具体场景选择使用。

原创 计算机视觉经典模型题目

计算机视觉技术已广泛应用于安防、自动驾驶、医疗、工业等多个领域，但仍面临复杂场景鲁棒性不足等挑战。CNN模型识别图像对象主要流程包括：预处理、特征提取（卷积、激活、池化）和分类/检测，通过多层网络结构从底层到高层逐步提取特征，最终输出识别结果。

原创 数字图像处理

原创 自然语言处理经典模型

摘要：NLP（自然语言处理）是人工智能的重要分支，使计算机能理解和生成人类语言，应用于聊天机器人、翻译软件等领域。自注意力机制是NLP核心技术，帮助模型识别文本中远距离关联，如代词指代关系。Transformer架构基于自注意力机制，包含编码器和解码器两部分，前者将文本转化为语义向量，后者结合输入生成目标输出。当前主流的大语言模型（如GPT）多基于Transformer解码器改进而来。

原创 生成模型相关问题研究

摘要：生成模型的核心统计学基础包括概率分布、联合/边缘概率、条件概率与贝叶斯定理等。其专用概念涵盖生成式vs判别式模型、隐变量、概率图模型等，以及KL散度、MCMC、变分推断等方法。典型模型如VAE适用于医学影像增强，GAN用于图像生成修复，Transformer擅长文本处理，RNN适合时序数据预测。模型训练的本质是通过最大似然估计使生成分布逼近真实数据分布，其中似然函数是评估模型拟合度的核心指标。不同模型（GMM、自回归、VAE等）虽实现方式不同，但均以最大化数据似然为目标，最终实现高质量数据生成。

原创 机器学习模型案例

本文展示了使用Python进行房价数据分析与预测的全过程。首先通过pandas读取CSV格式的房价数据集并显示前10条记录，然后使用matplotlib绘制了房价与房屋面积、人均收入和平均房龄的三组散点图进行可视化分析。接着进行数据预处理，将特征变量和目标变量转换为numpy数组格式。最后基于sklearn建立多元线性回归模型，使用面积、人均收入和房龄三个因子进行训练，并对新样本[150,60000,5]进行房价预测。整个过程涵盖了数据读取、探索性分析、预处理和建模预测等典型的数据分析步骤。

原创 AI 发展核心阶段与重要事件梳理

人工智能百年发展历程摘要： 人工智能历经百年发展，从理论萌芽到产业应用。20世纪中叶图灵理论奠基，经历早期探索与寒冬期；80年代专家系统兴起，神经网络技术突破；90年代"深蓝"、Google等里程碑出现；21世纪后，AI加速渗透生活，从Roomba到AlphaGo；近五年大模型爆发，ChatGPT引发全民热潮。技术突破与商业应用交替推动AI进化，持续拓展人类智能边界。