<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Mac_Jie的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Mac_Jie</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Mac_Jie]]></copyright><item><title><![CDATA[[特殊字符] 论文解读：基于神经符号语言模型与多层目标分解的快速高精度任务规划]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/163862191</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/163862191</guid><author>Mac_Jie</author><pubDate>Tue, 18 Aug 2026 20:18:27 +0800</pubDate><description><![CDATA[针对复杂长时序任务中符号规划搜索效率低、LLM规划准确率不足的问题，解读一种融合LLM世界模型与策略模型、多层目标分解、MCTS及Fast Downward的方法，可实现高效可靠的任务规划。]]></description><category></category></item><item><title><![CDATA[LTN 学习机制解析：基于知识库满足度的符号学习与泛化]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/159922621</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/159922621</guid><author>Mac_Jie</author><pubDate>Tue, 07 Apr 2026 15:48:20 +0800</pubDate><description><![CDATA[通过简单的最邻近分类示例，讲解了逻辑张量网络中，如何构建包含逻辑/规则/先验的知识库，在学习过程中，是如何遵循知识库中的逻辑/规则/先验的来完成模型训练的。]]></description><category></category></item><item><title><![CDATA[通俗讲解LTN中的非逻辑符号、连接词、量词]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/159892722</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/159892722</guid><author>Mac_Jie</author><pubDate>Mon, 06 Apr 2026 20:18:01 +0800</pubDate><description><![CDATA[对LTN中的这些基本组成部分，结合简单的示例和代码进行讲解。本文会将思考和答案融入讲解中，对应的问题穿插在文中，供大家边阅读边思考。]]></description><category></category></item><item><title><![CDATA[逻辑张量网络 LTN 入门：从一阶逻辑到实值语义]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/159711531</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/159711531</guid><author>Mac_Jie</author><pubDate>Wed, 01 Apr 2026 21:50:30 +0800</pubDate><description><![CDATA[神经符号多被预测为下一代人工智能的潜在形式之一，近年来开展神经符号领域的研究愈来愈热门。逻辑张量网络作为神经符号紧耦合的一种形式，其核心价值，可以用人类可理解的逻辑规则，去约束神经网络的黑盒学习过程，让模型不仅能拟合数据，还能符合业务常识和先验知识。本篇将介绍逻辑张量网络的基本概念，作为逻辑张量网络（Logic Tensor Networks, LTN）入门篇，在介绍的过程中，也会穿插一些本人的思考、问题及答案（T&Q&A）🔍。]]></description><category></category></item><item><title><![CDATA[Human-M3 多模态姿态估计数据集-初步解读]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/142888106</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/142888106</guid><author>Mac_Jie</author><pubDate>Sat, 12 Oct 2024 22:29:39 +0800</pubDate><description><![CDATA[在方法部分，作者描述了如何利用多模态数据（RGB图像和点云）来解决3D人体姿态估计问题。提出的MMVP方法展示了简单的体素化方法在融合RGB和点云信息中的有效性，为进一步的多模态3D HPE算法研究提供了一个强有力的基线。实验表明，多模态数据输入显著提升了3D人体姿态估计的性能。MMVP作为一种简单的基线算法，通过体素化和3D CNN的方式有效融合了RGB图像和点云信息，在广阔户外场景下实现了较高的精度。]]></description><category></category></item><item><title><![CDATA[PR曲线、ROC曲线、AUC都是个啥]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/139045160</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/139045160</guid><author>Mac_Jie</author><pubDate>Sun, 19 May 2024 19:34:38 +0800</pubDate><description><![CDATA[评判二分类分类器性能的指标有那么多，为什么PR曲线、ROC曲线、AUC值这几个用的比较多。本文从概念、代码实现方面着手进行分享。]]></description><category></category></item><item><title><![CDATA[浅记：cv2.imread读取图片结果为None]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/131065329</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/131065329</guid><author>Mac_Jie</author><pubDate>Tue, 06 Jun 2023 12:49:33 +0800</pubDate><description><![CDATA[因为路径中包含中文。]]></description><category></category></item><item><title><![CDATA[Bug系列]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/130581976</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/130581976</guid><author>Mac_Jie</author><pubDate>Tue, 09 May 2023 19:30:46 +0800</pubDate><description><![CDATA[【代码】Bug系列。]]></description><category></category></item><item><title><![CDATA[pycharm无法import安装好的包]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/130566687</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/130566687</guid><author>Mac_Jie</author><pubDate>Mon, 08 May 2023 20:28:51 +0800</pubDate><description><![CDATA[pycharm中的解释器里能看到包及其对应版本，但是import时报没有对应的模块。pip show 包名查看一下包的地址和版本是否为安装的。如果不是就pip uninstall。然后再执行一遍 pip show。]]></description><category></category></item><item><title><![CDATA[均值和方差归一化是什么？]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/130514273</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/130514273</guid><author>Mac_Jie</author><pubDate>Fri, 05 May 2023 20:07:54 +0800</pubDate><description><![CDATA[该技术通过将数据的均值转换为0，同时缩放数据的范围，使得数据的标准差为1。这样做的目的是将数据集中在0附近，同时缩小不同特征之间的尺度差异，有助于提高学习算法的性能和收敛速度。，否则可能会导致出现负数等异常情况，因此在使用该方法时需要先检查数据分布是否满足要求。均值和方差归一化是一种数据预处理技术，也称为。需要注意，均值和方差归一化要求。]]></description><category></category></item><item><title><![CDATA[使用xlsxwriter插入数据和图片，并保存表格]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/130501442</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/130501442</guid><author>Mac_Jie</author><pubDate>Fri, 05 May 2023 10:34:59 +0800</pubDate><description><![CDATA[文件会保存到当前文件夹下。]]></description><category></category></item><item><title><![CDATA[图像分割系列（一）]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/129650435</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/129650435</guid><author>Mac_Jie</author><pubDate>Sun, 19 Mar 2023 19:09:34 +0800</pubDate><description><![CDATA[简单介绍图像分割最基本的概念，包括图像分割的类别、损失函数、评价标准。]]></description><category></category></item><item><title><![CDATA[OpenCV中的模板匹配算法]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/129410606</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/129410606</guid><author>Mac_Jie</author><pubDate>Wed, 08 Mar 2023 20:14:16 +0800</pubDate><description><![CDATA[在这个例子中，我们首先读入待匹配图像和模板图像。然后选择了一个匹配算法（TM_CCOEFF_NORMED），并对待匹配图像进行匹配，得到了匹配结果。接着，我们在匹配结果中找到了最佳匹配位置，并在待匹配图像中标出了最佳匹配位置。需要注意的是，模板匹配是一种比较耗时的操作，特别是当图像很大时。在OpenCV中，模板匹配是一种图像处理技术，用于在一幅图像中查找和定位给定的模板图像。在待匹配图像中标出最佳匹配位置，并显示匹配结果。对待匹配图像进行匹配，得到匹配结果。在匹配结果中找到最佳匹配位置。]]></description><category></category></item><item><title><![CDATA[Latex总结-1]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/128272016</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/128272016</guid><author>Mac_Jie</author><pubDate>Sun, 11 Dec 2022 14:07:30 +0800</pubDate><description><![CDATA[Latex写课程论文常用的方案]]></description><category></category></item><item><title><![CDATA[使用MindSpore实现一个简单的深度学习模型]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/127929421</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/127929421</guid><author>Mac_Jie</author><pubDate>Fri, 18 Nov 2022 20:58:27 +0800</pubDate><description><![CDATA[本篇博客以官方教程为基础，融入个人实践经历和感受，重点整理一下使用MindSpore搭建一个简单的深度学习模型的流程和思路]]></description><category></category></item><item><title><![CDATA[Alexnet 学习笔记]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/127344383</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/127344383</guid><author>Mac_Jie</author><pubDate>Sun, 16 Oct 2022 10:29:16 +0800</pubDate><description><![CDATA[Alexnet 重点内容，包括论文整体框架、网络及部分参数计算、网络超参数及训练以及 Alexnet 的特点。]]></description><category></category></item><item><title><![CDATA[TensorFlow 学习笔记-5]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/126931067</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/126931067</guid><author>Mac_Jie</author><pubDate>Mon, 19 Sep 2022 11:58:02 +0800</pubDate><description><![CDATA[TensorFlow 优化器]]></description><category></category></item><item><title><![CDATA[TensorFlow 学习笔记-4]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/126926230</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/126926230</guid><author>Mac_Jie</author><pubDate>Mon, 19 Sep 2022 07:41:26 +0800</pubDate><description><![CDATA[有关 TensorFlow 会话的作用、典型流程、执行机制，以及会话中获取张量的方法、内部机制。]]></description><category></category></item><item><title><![CDATA[TensorFlow 学习笔记-3]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/126911244</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/126911244</guid><author>Mac_Jie</author><pubDate>Sat, 17 Sep 2022 21:47:02 +0800</pubDate><description><![CDATA[TensorFlow 中张量、变量、操作相关的概念、运用]]></description><category></category></item><item><title><![CDATA[TensorFlow 学习笔记-2]]></title><link>https://blog.youkuaiyun.com/Mac_Jie/article/details/126869163</link><guid>https://blog.youkuaiyun.com/Mac_Jie/article/details/126869163</guid><author>Mac_Jie</author><pubDate>Thu, 15 Sep 2022 13:25:31 +0800</pubDate><description><![CDATA[TensorFlow的数据流图是一种声明式的编程方式，更多的是聚焦于我要什么例如写一个函数更多的是在想具体实现什么样的一个东西，他要怎么去实现两个数字的相加或者一个矩阵相乘。但现在用这种声明式的编程方式，就更加聚焦于最后要的这个结果是什么，里面具体的实现先不去想，所以声明式的编程方式更多的是适用于偏数学模型算法这种抽象的设计。那他本身其实也是非状态转换，而像表达式变换的一种设计。]]></description><category></category></item></channel></rss>