Afra_yanghongyun的博客

输出层的神经元也可以不止一个，可以有多个输出，模型就可以灵活的应用于分类回归，以及其他的机器学习领域比如将维和聚类等。但是，某些任务需要能够更好的处理序列的信息，即前面的输入和后面的输入是有关系的。1.2, 损失函数是用来估量你的模型的预测值f(x)与真实值Y的不一致程度,它是一个非负实值函数,通常使用L(Y,f(x))来表示,损失函数越小,模型的鲁棒性就越好.2.1，一般认为人对外界的认知是从局部到全局的，图像像素点的空间联系也是局部的像素联系较为紧密，而距离较远的像素相关性则较弱。

1.机器学习概念新的数据—＞输入—>训练—＞预测—>未知数据人工智能＞机器学习>深度学习2.涉及学科:微积分（偏导数，向量—值函数，方向梯度），概率论（bayes定理，组合学，抽样方法），计算科学，凸分析，算法复杂度3.机器学习发展史1950（阿兰.图灵创造了“图灵测试”）—＞1957（Frank Rosenblat设计出第一个计算机神经网络感知机）—＞1981（Geral Dejong提出基于解释的学习）—＞1990年代机器学习的方法从知识驱动转为数据驱动—＞2016。

知识图谱服务提供图谱创建，本体管理，图谱管理等功能，覆盖创建本体，配置数据源，选择本体，信息抽取，知识映射，知识融合，图谱质检等业务。自然语言处理，是计算机科学领域与人工智能领域中的一个重要分支。知识图谱服务KG，提供一站式知识图谱全生命周期管理服务，包括本体可视化构建，以及图谱问答，搜索，推理等图谱应用能力，企业可以灵活掌控图谱配置，适合复杂多变的业务场景。2.5普通配置构建图谱通过配置数据源，配置本体，配置信息抽取，配置知识映射和，配置知识融合，配置图谱质检，构建图谱适用于自身业务的知识图谱。

1.提示词是什么？LLM生成文本的过程可视为一个黑盒，人类无法直观地感知其过程，而与LLM交互的手段为提示词即模型的输入，提示词的质量决定了模型生成文本的效果2.如何设计提示词？提示词设计是一个迭代过程，需要大量的实验来达到较佳的结果，但是没有完美的提示词，只有合适的符合场景的提示词2.大模型生成文本基本原理LLM基于大量的训练数据，来预测输出文本中下一个词语的概率，确定词语后，组装到文本中继续预测，从而获得完成的输出文本，也就是“文字接龙”3.提示词组成基本结构。

8.盘古预测大模型进行财务异常检测，构建一个大模型网络，在预训练阶段对大量跨领域的结构化数据进行训练，然后加载财务异常检测样本数据进行训练，由于大模型已经学习到了大量的跨领域知识，使得财务异常的样本数据在一定程度上可以建立起和预训练样本间关联，这样就可以利用夸领域的预训练的样本来弥补财务异常样本数不足的问题。10.LLM基于大量的训练数据，来预测输出文本中下一个词语的概率，确定词语后，组装到文本中继续预测，从而获得完整的输出文本，就是文字接龙。

语音信号处理(Speech Signal Processing)简称语音处理，是用以研究语音发声过程、语音信号统计特性、语音自动识别、机器合成以及语音感知等各种处理技术的总称。5.技术应用:图像识别，图像处理，图像理解，语音处理，语音合成，机器翻译，语义理解，情感分析。光照变化，尺度变化，遮挡，形变，运动模糊，平面内旋转，超平面旋转,背景干扰，低分辨率。6.AI行业应用:金融，医疗，工业，农业，安防，煤矿，交通，VR,AR,其他。图像分类 准确率、召回率、精确率、F1值、ROC曲线、P-R曲线、混淆矩阵。

15.盘古矿山大模型的CV工作流无需进行复杂的超参调优和模型选择，只需要配置好模型的输入数据，CV工作流的后台就会自动选择一个合适的网络结构，合适的超参来训练模型，训练完成后会自动选择一个效果最佳的模型反馈给用户，用户可以继续使用工作流模型进行自动化的线上部署和端测设备的下发部署，十分的方便。12.提示词的结构需要尽可能的直观，不要将所有的内容放在一行输入，适当的换行将提示词的内容结构拆分提现出来，一个结构清晰的提示词输入，能够让模型更好地理解你的意图。