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
300+累计阅读
300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
数据集类型：图像分类用，不可用于目标检测无标注文件
数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片
图片数量(jpg文件个数)：6704
分类类别数：4
类别名称:["B1","M2","R0","S3"]
每个类别图片数：
B1 图片数：1617
M2 图片数：1818
R0 图片数：1619
S3 图片数：1650
重要说明：暂无
特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放
下载地址：https://download.youkuaiyun.com/download/FL1623863129/89297694
i茅台APP加密参数逆向分析：MT-Device-ID与mt-v生成算法
在移动应用安全领域，参数加密是防止API滥用的重要手段。通过对通信协议的逆向分析，可以揭示加密参数的生成原理，这对理解移动应用安全机制具有重要意义。以i茅台APP为例，其关键接口使用了MT-Device-ID和mt-v两个加密参数，前者基于设备硬件信息生成，后者则通过动态签名机制确保请求时效性。这类技术广泛应用于电商、金融等需要高安全性的场景。通过抓包工具和逆向工程手段，可以还原出从设备指纹生成到动态签名的完整技术链条，其中涉及MD5、SHA256等常见哈希算法的应用。掌握这些加密参数的生成逻辑，不仅有助于
2024年图像分类数据集大合集所有下载地址汇总
2024年目标检测数据集大合集所有下载地址汇总
自适应IIR格型滤波器的Matlab实现
概述 在现有的众多抑制窄带干扰的信号处理手段中，时域自适应陷波干扰抑制技术具有实现简单、抗干扰性能好等优点。IIR陷波器按照结构可以分为直接型和格型两种。相比自适应直接型IIR陷波器，自适应格型IIR陷波器不仅可以准确地控制滤波器的陷波频率，也可以准确地调整陷波器的带宽。 传递函数 二阶自适应IIR格型陷波器的传递函数H(z)为： 其中α与陷波带宽有关，β与陷波频率有关；对应的结构如下图所示： Matlab算法实现 ...
AI 上下文记忆补充机制：延迟分类——让分类服务于召回，而非写入
传统 AI 记忆系统往往在内容写入时强制分类归档，成本高、准确率低、维护复杂。本文提出一种「延迟分类」补充机制：AI 生成回答时只打轻量标签，不做精细归档；当用户后续回溯历史内容时，再根据当前问题动态分类、召回和组织前文。该机制与三层记忆架构天然衔接，让分类行为始终服务于召回需求，而非为了分类而分类。
蒙特卡洛+概率潮流！基于蒙特卡洛和新能源出力模拟的概率潮流分布程序代码！
最后，导出光照强度、风速、网损和节点电压的概率分布图，并计算了各节点电压和网损的平均值和方差，展示了接入前后的节点电压对比图。在不确定性增加的电力系统中，概率潮流成为含随机因素规划问题的求解前提，可以更加真实地反映电力系统的全面信息。此外，概率潮流还可用于研究风电和光伏发电出力以及电动汽车消耗功率和向电力系统反向供电功率的不确定性对电力系统的影响，发现系统运行中的潜在风险，为系统运行控制提供参考。概率潮流的目的是揭示电网中随机变量对系统的影响，发现电网中的薄弱环节，为规划和调度部门的决策提供有价值的信息。
在 SAP 中，寄售业务（Consignment）与管道业务（Pipeline）都属于“物料先到、发票后到”的特殊采购模式，但两者的库存形态、物权转移时点、结算触发条件、系统配置完全不同
SAP中寄售业务与管道业务均属"先货后票"采购模式，但存在本质差异。寄售业务（如手机芯片）采用实物库存管理（标记"K"），物权在领用时转移，通过411K/201K移动类型触发负债；管道业务（如蒸汽）无实物库存，采用261P等移动类型直接消耗并生成应付。系统配置上，寄售需K类信息记录及GR收货，管道需P类信息记录且免GR。两者均通过MRKO汇总结算，但寄售按领用量计费，管道按提取量实时计费。核心区别在于库存形态与物权转移时点。
第38章：ResNet+CBAM改进模型实战生活垃圾12分类
本文基于PyTorch实现ResNet+CBAM注意力模型，针对复杂场景下垃圾分类图像的遮挡、光照变化等问题，通过在ResNet各残差层后嵌入CBAM模块，实现通道与空间双重注意力增强，提升特征聚焦能力。项目包含数据预处理、迁移学习冻结策略、余弦退火优化、批量推理等全流程代码，支持12类垃圾识别，4600+图像数据集，开箱即用，完整记录训练日志与评估指标，显著提升模型在真实环境下的分类精度与鲁棒性。
AI应用架构师：用RAG解决大模型“幻觉”问题的客服架构设计
在当今的智能客服领域，大语言模型（LLM）凭借流畅的对话能力和强大的理解能力，逐渐取代传统规则式机器人，成为客服系统的核心。但随之而来的“幻觉”问题（即模型编造不存在的信息）却成了致命伤：比如客户问“你们的产品保修期多久”，AI客服可能会自信地回答“3年”，而实际保修期只有1年——这种错误不仅会误导客户，还可能引发投诉、退货甚至法律风险。
CLIP 的零样本分类：一组文本如何变成图像分类器？
CLIP通过将类别转化为自然语言描述（如“a photo of a cat”），在推理时利用图文相似度实现零样本分类。它不依赖固定分类头，而是动态生成文本表示，计算图像与各文本的余弦相似度，最终通过Softmax选出最匹配类别。该过程本质是跨模态检索，关键在于精心设计的Prompt可显著影响性能，而使用Prompt Ensemble能提升结果稳定性。
一次点击跑通：用 Postman 自动获取并携带 CSRF token，测试 SAP OData 写操作
SAP OData 写操作自动化测试方案 针对 SAP Gateway OData 服务写操作中常见的 CSRF token 验证问题，本文提出了一套基于 Postman 的自动化解决方案： 问题分析：解释了 CSRF token 的验证机制及其必要性，说明手工测试效率低下的原因 解决方案： 使用 Postman 环境变量存储 token 通过脚本自动获取并传递 token 利用 Collection Runner 实现一键执行 实施步骤： 创建环境变量存储 token 第一个请求获取 token 并存入变
利用XGBoost实现短期电力负荷预测
本数据集为某地区2009年-2015年的用电负荷，时间片为每分钟这里我们定义了XGB模型作为实例，来进行模型训练，之后我们会对其使用网格搜索找到最优的参数。
工单系统的数据结构化：故障分类体系设计与报表可用性
很多团队上完工单系统半年，会发现一个尴尬的事实：单子照常在走，报表却始终出不来。导出的 Excel 几千行，看不出趋势、算不出口径、答不了"哪类故障占大头"。问题几乎都不在系统，而在数据模型的第一层——。这篇文章把这件事拆开讲：自由文本为什么会失效、分类体系怎么分层、表怎么建、老数据怎么迁、上线前怎么验收。
让 ABAP 程序天生可翻译：Text Symbols 与 Text Pool 从入门到工程化落地
ABAP 国际化实践：Text Symbols 的工程价值与落地方法 摘要： 本文系统阐述了 ABAP 开发中 Text Symbols 的核心价值与实践方法。通过解耦程序逻辑与语言文本，Text Symbols 实现了代码国际化，避免了硬编码带来的维护难题。文章详细介绍了 Text Pool 结构、两种引用方式（独立引用 TEXT-001 和附着式 '(001)'），以及 SE38 和 SE63 的翻译流程。特别强调最大长度预留、术语统一等工程实践，并提供了 READ TEXTPOOL 自动化检查方案。最
大模型的分类到底怎么分-从基础模型到推理模型从通用到专用的完整图谱
大模型分类没有标准答案，维度不同答案就不同——但三条主坐标轴最实用：能力定位 Base/Instruct/Reasoning（会续写→会听话→会思考）、应用领域 L0 通用/L1 行业/L2 垂域、架构 Dense/MoE 与模态。附可跑的 HuggingFace 对比代码与症状对照表。搞懂能力定位这一维，就解决 80% 的选型问题。你下载模型时分清 Base 和 Chat 了吗？
jre9下载 jdk9
(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】
IMSL CNL 7.0.0 (x86-64)Crack
IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件，这是C++版本的破解文件
经典机器学习实战06：分类入门：数据清洗与平衡（菜系）
菜系分类第一课：亚洲五菜系数据又脏又不平衡，删掉无判别力的通用食材、SMOTE 过采样把 2448 行变成五类各 799 行。这份数据将贯穿后面三课，从分类器横评一直到 ONNX 部署。
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
第34章：从VGG全家桶实战看医学影像分类：X光肺炎检测完整工程落地解析
在临床放射科工作中，胸部X光片是肺炎初筛最常用的检查手段。海量胸片给放射医生带来巨大阅片压力，利用深度学习实现肺炎的辅助筛查，能够有效提升诊断效率，降低漏诊、误诊风险。医学影像项目普遍面临一个现实难题：高质量标注样本稀缺。normal（正常肺部）、pneumonia（肺炎）。在样本量有限场景下，直接从零训练深度网络极易发生严重过拟合，因此迁移学习成为首选方案。VGG系列网络结构规整、代码易实现、预训练权重完备，非常适合作为医学影像任务的baseline基线模型。
迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)
迈瑞BS系列全自动生化分析仪LIS协议接口手册，内含HL7和ASTM)
国内数据分类分级平台分析：大模型赋能下的技术能力重构分析
数据分类分级平台正经历从 "规则扫描器" 到 "智能数据资产理解引擎" 的跃迁。大模型重构的不只是识别准确率，而是把过去依赖专家经验的语义理解、定级判断、标签维护，变成可规模化、可私有化、可持续学习的平台能力。但这并不意味着人被替代 —— 行业分级标准的把握、误分级的风险承担、业务部门的协同推进，仍然需要专业服务团队深度参与。
第32章：Swin‑Transformer全家桶实现MIT‑BIH心电图像五分类
本文基于PyTorch构建Swin-Transformer心电图像分类系统，利用MIT-BIH数据库转换的2700+张ECG图像，实现房性早搏、左/右束支传导阻滞、正常心搏及室性早搏五类识别。通过分层移位窗口注意力机制，兼顾局部细节与全局依赖，有效降低计算开销。支持Swin-T/S/B模型一键切换，集成迁移学习、冻结微调、多维度评估指标与可视化分析，显著提升心律失常筛查效率，为基层医疗AI辅助诊断提供可落地解决方案。
GEE云端赋能林业遥感：从平台入门、AI大模型辅助到森林分类、动态监测与参数反演的全流程实践
专题涉及长时间序列遥感影像预处理、植被指数批量计算、年度影像合成、数组影像概念和使用方法、LandTrendr算法原理及参数设置、森林扰动结果解译与空间统计分析、可视化及专题图绘制等。专题涉及影像过滤、Landsat和Sentinel-2光学影像除云等预处理、植被指数计算、影像合成、火灾区域识别和灾害强度分级，结果统计分析与可视化等。专题涉及时间序列影像预处理、影像集连接、影像合成、变化趋势非参数检测、显著性检验和变化趋势量化与分级、空间统计和结果可视化和专题图绘制等。
Classification分类
在分类问题中，为避免标签数值间产生虚假关系，采用One-hot向量表示类别，如三类对应(1,0,0)ᵀ、(0,1,0)ᵀ、(0,0,1)ᵀ。输出层变为多分支，经Softmax处理使输出值归一化至(0,1)且和为1。损失函数选用Cross_entropy，通过真实标签与预测概率的对数关系衡量误差，结合Softmax可提升梯度性能，实现高效训练。
【数字人】从数字分身看 AI 智能体技术全景：能力分类、系统协作、落地路径（多模态、语言、视觉、语音、科学计算）
【数字人】从数字分身看 AI 智能体技术全景：能力分类、系统协作、落地路径（多模态、语言、视觉、语音、科学计算） 一、产品维度：数字人和数字分身要解决什么问题 1. 人物呈现、身份关联与任务推进 2. 产品形态决定核心目标 3. 数字分身的三层产品能力 二、技术维度：五个方向的能力分类与任务地图 1. 多模态：连接不同形式的信息 2. 自然语言处理：从语言结构到知识与表达 3. 语音：从干净输入到连续交流 4. 计算机视觉：从像素到对象、结构与空间 5. 科学计算：服务科学问题的预测与生成 三、连接两个维度
Agent 错误处理体系：分类、重试、降级与熔断设计
Agent 错误处理复杂度远高于传统服务，核心挑战在于：LLM 常返回“HTTP 200 但内容错误”，重试成本高昂（耗尽上下文 Token），且错误来源横跨基础设施、模型供应商、工具、业务逻辑与输出质量五层。本文提出三维错误分类模型（来源 × 可重试性 × 可降级性），强调应基于分类而非异常捕获决定策略；结合实测验证 Full jitter 为最优退避方式，提出熔断器三态改造（含成本与语义失败熔断），并划分请求/步骤/任务三层重试粒度，实现精准降级与预算控制。核心结论：错误处理必须由分类驱动，而非被动响应
计算机视觉主要任务分类：分类、检测、分割、生成全解
计算机视觉是一个高度多样化且仍在快速扩展的领域。本文的目标是为读者提供一份关于计算机视觉四大核心任务的全面指南。我们将从定义、数学描述、评估指标、经典算法和代表应用五个维度，对每个任务进行深入剖析。全文依次讲解图像分类：计算机视觉的基石、目标检测：定位与识别、图像分割：像素级理解、图像生成：从无到有的创造、四大任务的对比与内在联系等内容。
BERT模型详解：为什么它擅长文本理解与分类？核心机制、应用实战与变种进化
学习目标：理解BERT出现前传统NLP模型的局限，以及BERT如何通过双向编码突破瓶颈比如GPT系列采用自回归式（Autoregressive）生成，只能从左到右建模文本；全文依次讲解BERT的诞生：解决NLP的单向困境、BERT核心原理深度解析、为什么BERT擅长文本理解与分类？、BERT实战：文本分类任务示例、BERT的变种与进化等内容。
基于深度学习的肌肉骨骼X光骨折分类方法研究——数据清洗、ResNet50训练与Django部署全流程
本文介绍基于深度学习的肌肉骨骼X光骨折分类方法研究。课题基于公开FracAtlas数据集，先做错标清洗与分层划分，再以ResNet50迁移学习训练二分类模型，通过类别权重与早停应对类别不平衡，模型导出ONNX后配合能量分数与近邻阈值实现域外拒识。系统采用Django与Vue实现，包含图片识别、识别历史管理与可视化大屏等功能，全流程可复现，适合作为计算机专业毕业设计的参考方向。
工单分类怎么设计？类别、子类别与自动分派的实用方法
工单分类体系决定了分派是否准确、数据是否可用、改进是否有方向。基于真实数据设计、保持简洁易懂、与分派流程知识库联动，再借助自动化辅助并持续回顾，IT服务台的运营才会越来越有章法。如果你正在梳理工单分类，可以了解一下。它支持多级分类、类型与类别的配置、按分类的自动分派与模板，以及基于分类的报表，适合作为搭建工单分类体系时的参考选项之一。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
320
扫一扫
