在JWFD的设计器上面,实现了103个节点,186个连接的拓扑图模型,使用矩阵建模,整个拓扑图的数据容量才36K,大概计算了一下,100万个节点150万连接数的矩阵模型不会超过300MB,在一个工作站级别的服务器上面建立人脑的神经网络图是完全可以的
另外,使用自建的矩阵引擎算法,跑这个拓扑图的时候,由于采用传统的递归算法,由于没有加入节点访问控制函数,导致出现内部子循环体,内存被无效循环消耗,出现溢出错误,说明大模型的计算过程不能够用传统的递归算法。。。
下面是这个拓扑图的模型图

墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
100+累计阅读
186平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年,写一次发全网
我也要 →
码龄22年
在JWFD的设计器上面,实现了103个节点,186个连接的拓扑图模型,使用矩阵建模,整个拓扑图的数据容量才36K,大概计算了一下,100万个节点150万连接数的矩阵模型不会超过300MB,在一个工作站级别的服务器上面建立人脑的神经网络图是完全可以的
另外,使用自建的矩阵引擎算法,跑这个拓扑图的时候,由于采用传统的递归算法,由于没有加入节点访问控制函数,导致出现内部子循环体,内存被无效循环消耗,出现溢出错误,说明大模型的计算过程不能够用传统的递归算法。。。
下面是这个拓扑图的模型图

飞凌OK3588-C Linux R4系统下MIPI YUV摄像头CSI尺寸错误排查与极性适配方案
本文详细介绍了在飞凌OK3588-C平台的Linux R4系统下调试MIPI YUV摄像头时遇到的'csi size err'错误排查与极性适配方案。通过分析信号极性、驱动参数调整及FPGA协同调试,提供了从硬件检测到系统级调试的完整解决方案,帮助开发者快速解决类似问题。
实战|用FastAPI-MCP,几行代码打造高效MCP工具服务!
FastAPI-MCP是一个开源框架,能够将现有FastAPI接口快速转换为支持MCP协议的工具服务,无需重写API逻辑。它通过自动读取FastAPI的路由、模型和文档,生成符合MCP规范的工具集,支持LLM直接调用。主要特点包括:继承现有认证机制、极简配置、保留接口文档、灵活部署方式(可挂载或独立部署)。安装只需pip install fastapi-mcp,基础使用仅需两行代码即可完成转换。项目支持选择性暴露API、无缝集成现有认证体系,并保持高效通信性能。该方案显著降低了传统API与AI工作流的集成门
大模型驱动时序量化因子自动优化:从WorldQuant回测到实战策略
本文探讨了如何利用大模型驱动时序量化因子的自动优化,构建从创意生成到实战验证的完整流程。通过结合WorldQuant回测平台,搭建自动化流水线,详细拆解了因子生成、回测验证与迭代优化的核心模块。文章分享了从初版实现到进阶优化的实践经验,并指出提示词工程与领域知识注入是关键,旨在实现人机智能协作,提升量化策略研发效率。
JWFD开源工作流-矩阵引擎设计-高维向量空间分析法
矩阵是一种纯粹的数学模型,要在这种数学模型上实现循环,跳跃和回退等。根据我的研究 矩阵模型的维度高出链表一级,我们在矩阵模型上做的控制和操作。如何把矩阵表和路由表的参数结合起来,形成一个高维向量空间,然后在这个空间。探测到,遍历并没有完全的完成,仍然有泄露的节点在其中,这个问题需要进一步。在完成遍历和排序之后,矩阵的循环,跳跃和回退等模块是否和数据库模型的时候。亿级参数模型,可以进行智能模拟和生成式人工智能,但是我们的矩阵工作流开发。抛弃掉深度学习的那些看起来深奥的学术词汇,人工智能的最底层的模型和结构。
Jetson AGX Orin到手必看:DP线选错黑屏、SSD不识别?这篇避坑指南帮你一次搞定
本文详细介绍了Jetson AGX Orin开发套件的硬件避坑指南,涵盖开箱检查、DP线选择、SSD兼容性等关键问题。通过实测数据和实用技巧,帮助开发者避免黑屏、存储不识别等常见问题,提升开发效率。特别推荐符合VESA认证的DP 1.4a线缆和兼容性优秀的SSD型号,确保设备稳定运行。
QNX Neutrino 进程间通信编程之Message-passing/Pulse
Interprocess Communication(IPC,进程间通信)在QNX Neutrino从一个嵌入式实时系统向一个全面的POSIX系统转变起着至关重要的作用。IPC是将在内核中提供各种服务的进程内聚在一起的粘合剂。在QNX中,消息传递是IPC的主要形式,也提供了其他的形式,除非有特殊的说明,否则这些形式也都是基于本地消息传递而实现的。本篇幅主要讲解Message-passing和Pulse。
JWFD开源工作流-矩阵引擎-遍历伪代码算法
下标:(0,2): 节点标签:(node0,node2): 节点状态:(0,0): 节点标志:普通点。下标:(1,2): 节点标签:(node1,node2): 节点状态:(0,0): 节点标志:普通点。下标:(6,2): 节点标签:(node6,node2): 节点状态:(0,0): 节点标志:普通点。下标:(7,8): 节点标签:(node7,node8): 节点状态:(0,0): 节点标志:起始点。下标:(2,3): 节点标签:(node2,node3): 节点状态:(0,0): 节点标志:普通点。
基于YOLOv5的隧道衬砌缺陷智能检测系统
计算机视觉在工程检测领域正发挥越来越重要的作用,特别是目标检测技术通过深度学习算法实现了对复杂场景的智能分析。YOLOv5作为当前主流的目标检测框架,通过改进网络结构和训练策略,可以显著提升检测精度和效率。在隧道工程领域,结合通道注意力机制和多尺度特征融合技术,能够有效解决衬砌缺陷识别中的小目标检测难题。这种AI检测系统相比传统人工判读地质雷达图像,不仅将效率提升20倍,还能将识别准确率提高到92.3%,特别适用于3cm以上结构缺陷的自动化检测。系统通过深度可分离卷积等优化,实现了模型轻量化,便于在边缘计算
JWFD开源工作流-矩阵引擎设计-遍历排序算法运行测试
下标:(8,1): 节点标签:(node8,node1): 节点状态:(0,0): 节点标志:普通点。下标:(1,9): 节点标签:(node1,node9): 节点状态:(0,0): 节点标志:普通点。下标:(5,1): 节点标签:(node5,node1): 节点状态:(0,0): 节点标志:普通点。下标:(2,0): 节点标签:(node2,node0): 节点状态:(0,0): 节点标志:普通点。下标:(0,1): 节点标签:(node0,node1): 节点状态:(0,0): 节点标志:普通点。
利用eds editor生成CANOPEN 设备eds文件
通过以上步骤,您可以根据实际设备的功能特性,自动生成一份符合CANopen协议标准的电子数据表(EDS文件),该文件可以被上位机软件或其他CANopen主站设备用于识别、配置和控制您的CANopen从站设备。使用CANopen EDS Editor生成CANOPEN设备的EDS文件是一个系统化的过程,它涉及将设备的具体技术参数和功能映射到CANopen规范定义的对象字典中。
地平线旭日X3开发板--使用Opencv显示CSI摄像头例程
但是从libsrcampy获取的摄像头图像格式是NV12,无法直接在opencv上显示或者处理,调试过程发现旭日派无法直接用opencv的VideoCapture()调用CSI摄像头,需要使用opencv来做开发的小伙伴可以做个参考,效果如下图所示。需要使用libsrcampy库来获取CSI摄像头图像,为了能够使用opencv的API来处理图像,需要增加NV12转化成bgr像素格式的函数。opencv显示图像.png。
JWFD开源工作流最新版本-矩阵转换
COMSCI最新发布了矩阵转换的JWFD开源工作流系统 欢迎下载,地址 :https://www.cnblogs.com/comsci/favorite/260690.html ...
gseapy python包GO、KEGG富集(注释)分析
文档案例参考:https://gseapy.readthedocs.io/en/latest/gseapy_example.html#Over-representation-analysis-by-Enrichr-web-services安装:建议安装最新版(这里安装的1.04):https://github.com/zqfang/GSEApy/releases。
JWFD工作流引擎:高维向量空间分析法解析与实战
在复杂业务系统与工作流引擎设计中,流程的监控、分析与优化是核心挑战。传统基于流程图或状态机的方法,在面对高并发、多分支的动态场景时,往往难以进行量化分析和根因定位。高维向量空间分析作为一种数学建模方法,通过将流程中的实体(如节点、实例)抽象为多维向量,将复杂的流程关系与性能指标映射到可计算的空间中。其技术价值在于,能够借用成熟的线性代数、聚类分析等数学工具,对流程进行相似度计算、异常检测和模式挖掘,从而将黑盒的流程执行转化为白盒的、可度量的分析对象。这一原理在工程实践中,尤其适用于需要精细化运维和智能优化的
假人有限元模型
假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用
复分析 阿尔福斯(Ahlfors) 第三版答案 英文
答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案
JWFD开源工作流矩阵引擎测试版本BUG20231022修正代码
请把该函数覆盖到JWFD开发包的org.jwfd.workflowEngines.Matrix.DataMatrix.java文件的同名函数中,非常感谢大家的支持,因为矩阵引擎并没有任何先例可以借鉴,所以一步一步的再做,还有很多不完善的地方。。。。
Camera2Demo
在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作
JWFD开源工作流-矩阵数据库压缩工程最新进展
通过裁剪数据格式,100个节点的矩阵参数表压缩到只有8K的存储量,通过压缩矩阵表的冗余数据把原来22K的矩阵表压缩到只有11K,松散矩阵变成一个稠密矩阵,整个数据库的数据量加起来只有19K了压缩了45%以上。那么100万个节点150万连接的神经网络的数据库容量计算下来大概只需要180MB-200MB存储空间就可以完全存储实现对整个人脑的神经网络建模并存储在一个工作站的硬盘里面,是完全可行的,届时,AI大模型只需要一台高性能工作站PC就可以完全实现,类人机器人的智能将实现大幅度的提高。
老版QQ原生表情gif动态
这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。
JWFD开源工作流矩阵引擎BUG提示
由于这个测试版本的矩阵引擎在设计的时候,没有考虑到流程图节点数量超过10个以上的问题,导致引擎在进行节点匹配的时候,出现十位数以上的匹配错误,导致引擎运行失败,正在修复这个BUG,请大家注意这个问题。
JWFD开源工作流矩阵引擎-遍历算法第二次修正代码
请在上一次修正的src\org\jwfd\workflowEngines\Matrix\DataMatrix.java文件上面,覆盖原同名函数,如果运行不正确,请下载JWFD的矩阵引擎开发包或者修改配置参数文件,非常感谢大家的支持,我还将继续发布矩阵引擎的升级代码。。。
为工作流设计矩阵数据结构存在的问题[2013.6.27更新]
从很多网络上公开的工作流研究方面的论文来看,很多研究者都用过矩阵表示工作流图,矩阵天生就是表示图形拓扑连接的一种数学工具,加之在程序设计上面,采用二维数组+自定义数据结构就可以很好的实现一个矩阵,所以用矩阵来为工作流图建模是一个发展的方向,但是今天在继续开发矩阵工作流数据结构的时候,发现这里还存在几个关键性的问题需要解决 目前已经实现的工作流矩阵模型的构建是这样的,如下有一个
流程矩阵模型中的基本元素是什么?
一个传统的矩阵是这样的 | 0 0 1 0 1 | | 1 1 0 0 1 | | 0 1 1 0 1 | | 0 0 1 1 0 | | 1 0 0 1 1 | 而在流程矩阵中每一个元素的位置代表不同的意义,元素为1表示这个位置有流程的拓扑连接,为0表示没有拓扑连接,具体的定义请参考我这篇文章 JWFD工作流引擎设计--简单矩阵建模与应用(初步讨论...
工作流底层数据结构与建立拓扑方程组的一些思考
<br /> <br /> <br /> 用一个联立的方程组来表示流程拓扑结构,这个拓扑结构如果发生变化,方程组也跟着发生变化,这就可以实现所谓的动态流程<br /> <br /> <br /> 面临下面的一些问题,需要我们尽快解决<br /><br />
[原创]JWFDv0.96工作流引擎设计-数据库结构说明
JWFDv0.96工作流 引擎设计 ----数据库结构说明 注:这篇文章中所使用的“函数”就是指JAVA语言中的方法 注: 请参考 “JWFDv0.96 工作流系统开发包简易说明.doc”中的引擎API说明来理解JWFD工作流引擎的原理 作者comsci2010.10.5 ...
AI 问数真的能替代 BI 报表吗?
AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。
ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信
AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。
【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端
上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。
抽象主义人工智能和生命体AI的内在联系
彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。
1130
618
328
1125
566

被折叠的 条评论
为什么被折叠?



