- 博客(5)
- 问答 (3)
- 收藏
- 关注
RSS订阅原创 想和大家聊聊ai对于技术研发从业者的影响
结合我自己的经历来看，感触特别深。未来高校大概率会大规模缩减文科、传统工科的招生名额，纯流水线式、可被AI替代的专业会持续收缩。最关键的矛盾点在于：如果所有人都彻底放弃底层实操、丧失独立拆解、调试、验证技术方案的基础能力，完全依附AI完成全部工作，人反倒沦为AI的附属品，企业、行业再也没有办法分辨从业者真实水平，人才筛选体系会彻底崩塌，这也是我当下最焦虑、也觉得亟待重视的问题。诚然，我更焦虑的是自己，也更焦虑像我一样，为了高效完成工作，放弃基础技术能力的科研工作者，长此以往，是否会被彻底替代呢！
2026-06-29 10:20:08
237
原创 神经网络——最易懂最清晰的一篇文章：从神经元到网络学习
神经网络是人工智能和深度学习的重要基础，其核心思想是通过大量神经元之间的连接关系，学习输入数据与输出结果之间的映射规律。本文从人工神经元模型出发，依次介绍权重、偏置、激活函数、多层感知机、损失函数、梯度下降和反向传播等基本概念，结合公式与示意图解释神经网络的工作原理。通过梳理神经网络从简单线性分类到多层非线性特征学习的发展过程，帮助初学者建立对神经网络结构、训练机制和应用场景的系统认识。
2026-05-09 13:05:09
383
原创 【MATLAB 论文复现】Vine-Copula 构建并发干旱指数 CCDI：从公式原理到完整代码画图
基于 Vine Copula 的并发干旱识别与植被损失风险评估方法，能够有效刻画气象干旱、土壤干旱和地下水干旱之间的非线性相关关系及尾部依赖特征。本文以 SPEI、SSI 和 SGI 为基础，通过边缘分布拟合与 Copula 联合建模构建并发干旱指数 CCDI，并结合 NDVI 数据量化不同干旱等级下的植被损失概率。相比传统单一干旱指数，该方法能够更全面反映多层水分亏缺叠加作用下的干旱演变特征和生态影响，为区域干旱监测、植被脆弱性评估及水资源管理提供概率化分析思路和技术支撑。
2026-05-09 08:32:28
693
原创 从零开始理解 BP 神经网络：原理通俗讲解 + Python 完整代码实现
神经网络听起来很高深，但它的核心思想其实并不复杂：给模型一堆输入，让它通过不断调整参数，学会输入和输出之间的规律。BP 神经网络，也就是反向传播神经网络，是最经典的神经网络模型之一。它通过“前向传播”得到预测结果，再通过“反向传播”把误差一层一层传回去，最后利用梯度下降更新权重参数。
2026-05-08 18:23:42
548
原创 MATLAB 实现 Vine Copula 建模：R-Vine、C-Vine、D-Vine 构建与联合分布模拟
本文介绍一种基于 MATLAB 的 Vine Copula 多变量联合建模方法。不同于普通二维 Copula，Vine Copula 可以通过多个 pair-copula 灵活描述高维变量之间的复杂相关结构。文章从原始数据读取、边缘分布拟合、Copula 样本转换开始，依次完成 Kendall tau 相关性分析、R-Vine/C-Vine/D-Vine 结构构建、pair-copula 族选择、MLE 参数估计、AIC/BIC 模型评价以及联合样本模拟。最后，利用边缘分布逆 CDF 将模拟样本反变换回原始
2026-05-08 17:41:42
882
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人