Wind Power & Machine Learning

zhwli zhwli 博客等级 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 200+累计阅读 283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9年
关注
原创 最新推荐文章于 2026-08-31 10:08:56 发布 283 阅读 AI 写同款· GEO 优化 ›
MCM/ICM英文论文写作本质：建模思维的学术转译 数学建模竞赛中的英文论文并非语言翻译任务，而是将问题理解、假设设定、模型构建、验证反思等完整建模思维，按英文学术规范进行结构化重编码的过程。其核心原理在于用名词化表达替代从句、以图表驱动叙事、通过五层骨架（问题重述→假设→模型→敏感性分析→优缺点）实现逻辑闭环。这种转译直接决定COMAP评审中占比70%的Solution Paper质量，尤其影响Clarity of Communication这一独立评分项。在2025年新规下，它支撑DOI可追溯的数据引用、单位完备的图表标题、以及假设-模型-验证三者严格对 阅读详情

https://arxiv.org/pdf/1707.08110.pdf

http://www.sciencedirect.com/science/article/pii/S0925231216315533

http://www.sciencedirect.com/science/article/pii/S0196890416305428

http://www.sciencedirect.com/science/article/pii/S0960148115300574

收录于
深度学习

当前文章被收录于：

深度学习
17 篇文章 0 人学习
订阅专栏 查看详情
风能

当前文章被收录于：

风能
3 篇文章 0 人学习
订阅专栏 查看详情
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
IEEE DataPort免费订阅指南：解锁权威科研数据与高效利用实战 在机器学习、信号处理和数据分析领域，高质量数据集是模型训练与算法验证的基石。遵循FAIR原则的科学数据平台通过开放共享机制，降低了数据获取门槛，其核心价值在于促进研究的可重复性与跨领域协作。对于从事工程与科学应用的研究者和开发者而言，掌握高效的数据发现、评估与预处理技能至关重要。本文以IEEE DataPort为例，详解如何通过免费订阅获取海量权威数据集，并分享从高级搜索、质量评估到本地管理的全流程实战经验，助力读者快速将开放数据转化为研究生产力。 阅读详情

相关推荐

音频机器学习入门：从声波物理到梅尔特征的工程解码

音频机器学习并非语音识别或音乐检索的子集，而是研究如何将连续模拟声波可靠转化为适合统计学习的数字特征表示的基础学科。其核心原理植根于采样定理、时频分析与人类听觉生理特性，技术价值在于建立可复现、可泛化、可解释的声学表征能力。典型应用场景涵盖工业设备声纹故障诊断、野外生物声学监测、助听器实时降噪等对物理保真度要求严苛的领域。本文聚焦Audio ML中两个关键热词——梅尔频谱图与短时傅里叶变换（STFT），深入剖析其背后的信号处理逻辑、分辨率权衡机制及在真实硬件约束下的工程取舍。

weixin_34087307的博客 655

工业级机器学习落地：从数据探针到业务对齐的实战指南

机器学习在真实工业场景中并非算法竞赛，而是数据、物理规律与业务逻辑的深度协同。其核心原理在于通过结构化侦察识别数据沼泽与特征高地，以业务动因为导向构建可解释、可验证、可部署的模型。技术价值体现在降低非计划停机、提升预测鲁棒性、压缩标注与迭代成本；典型应用场景覆盖设备故障预测、模具寿命管理、库存优化及质量缺陷识别等高价值闭环。关键突破点在于拒绝端到端黑箱，坚持人工主导的特征工程与三阶验证体系——这正是工业AI从实验室走向产线220V电源的核心路径。

abxlep7702的博客 447

【202503】Wan：开放且先进的大规模视频生成模型【1.3B、14B】【支持对无限长度视频进行稳定的Inference】【Wan中的主要计算开销来自注意力机制】

wan: Open and Advanced Large-Scale Video Generative ModelsWan：开放且先进的大规模视频生成模型Wan Team, Alibaba Group Wan 团队，Alibaba GroupThis report presents Wan, a comprehensive and open suite of video foundation models designed to push the boundaries of video generation

u013250861的博客 718

机器学习工业落地的5个核心工作流：从数据清洗到业务解释

机器学习并非算法竞赛，而是端到端的工程闭环——其本质是将原始数据转化为可信赖、可干预、可运维的业务决策。核心原理在于：用领域知识校准数据分布、以因果逻辑构建时序特征、借时间切分模拟真实部署压力、靠贝叶斯先验约束超参搜索、通过Partial Dependence Plot实现业务可操作解释。这些技术价值不在于提升0.01的AUC，而在于降低误报率、压缩上线周期、支撑现场调控。典型应用场景覆盖设备故障预测、供应链需求拆解与医疗影像初筛等强业务耦合任务。本文聚焦特征工程与验证策略两大高频卡点，揭示工业级模型稳健性

weixin_34189116的博客 432

[Stereo_cnn][cvpr16]Efficient Deep Learning for Stereo Matching(未完成)

[Paper note](Efficient Deep Learning for Stereo Matching) 这篇文章介绍一种更加快速但是只损失少量精确度的双目视差计算方法。其使用的主要框架与MC-CNN类似，尤其是Fast 框架，直接对两个由Siamese network得到feature vectors进行inner product计算。然后对结果的预测采用多类分类的模型，类别即不同大...

zhiwei2coder的博客 2713

【论文笔记-Stereo】Pyramid Stereo Matching Network

论文思想 笔记 结构 论文思想 使用ResNet提取特征 用dilated convolution增大感受野 用Pyramid pooling module，提取各个scale的特征，使之包含global的context信息 用feature volume shift构建volume 用stacked hourglass 3D CNN（encoder-deco...

zhiwei2coder的博客 2482

雅思口语练习

英文： Well, the food itself hasn’t changed — I still love longevity noodles the most. But the reason I like it is a little different. When I was a kid, I only cared about the taste, but now I more value the meaning behind it. It’s not just food;

runningshark的博客 571

【论文笔记-Stereo】Deep Stereo Matching with Explicit Cost Aggregation Sub-Architecture

目录 简介 摘要 论文主要内容 A: 匹配代价计算 特征提取（ResNet18） 特征Volume构建 相似度计算 B: 匹配代价聚合 C：视差计算 实验 简介 Deep Stereo Matching with Explicit Cost Aggregation Sub-Architecture AAAI2018 ，KITTI2015目前（20180320...

zhiwei2coder的博客 1384

【论文笔记-Stereo】ICCV2017 Cascade Residual Learning: Stereo Matching

这篇文章介绍了一种新的双目视差计算框架，Cascade Residual Learning。 近年来，在MC-CNN的启发下，视差计算算法成为了一种可以用学习解决的问题。文章总结了近年来基于CNN的视差算法，主要可以分为一下三种： 1. Matching cost Learning：这种方法主要将CNN用于匹配代价计算，辅之以一些经典的后处理方法，以得到比较好的视差图。主要代表有： Han ...

zhiwei2coder的博客 1357

SpineNet论文笔记

目录链接摘要核心要点scale-permute 结构实验结果 链接 SpineNet: Learning Scale-Permuted Backbone for Recognition and Localization 摘要 图像分类任务通常采用逐步减小分辨率的网络结构，但是这种结果并不适合同时需要识别和定位的任务。为减小分辨率损失问题，分类任务中采用encoder-decoder结构，但是该结构...

zhiwei2coder的博客 790

神经网络梯度消失、梯度爆炸

形成原因，以 BP 为例说明 解决方案 Batch Normalization ReLU ResNet， 形成原因，以 BP 为例说明 训练后期，最后一层网络越接近sigmoid两端，此时梯度很小，反向传播导致浅层网络的梯度更小，难以更新权重 很深的网络哦容易出现这个问题，梯度计算的结果显示，低层网络的梯度是高层网络梯度结果（部分）的叠乘和它自己的部分的乘积。 解决...

zhiwei2coder的博客 634

【论文笔记-semantic segmentation】deeplabv3+

deeplab_v3+设计了一种新的encoder-decoder结构 encoder：deeplab_v3+使用deeplab_v3的结构作为encoder, encoding之后得到size = 1/16 input size的feature map decoder：以前的方法直接设计一个16倍的比linear upsampling layer作为decoder。在这里，我们首先对...

zhiwei2coder的博客 667

【管理科学】【金融工程】第三十三篇 企业金融资产（含股票/债券）/固定资产 管理01

编号企业性质行业企业规模企业能力模型配方算法/模型名称数据结构列表算法逐步思考推理的数学方程式及参数列表及参数的值范围时序数学方程式误差/算法复杂度底层规律和理论关系知识和法律法规1民营制造企业制造业中型现金流预测与流动性管理时序预测+统计回归LSTM (长短期记忆网络) + ARIMA， ， ， ， ARIMA(p,d,q): 其中: B: 滞后算子; d∈[0,2] (差分阶数); p∈[0,5]; q∈[0,5]; θ为移动平均系数 ∈[-1,1] LSTM:

weixin_49199313的博客 378

【论文笔记-stereo】LRCR

contribution： 1）novel recurrent model, end-to-end unifying consistency check and disparity estimation 2) introduce a soft attention mechanism, make the network automatically focus on the unreliable ...

zhiwei2coder的博客 516

【信息科学与工程学】【制造工程】第三十六篇 机械工程与自动化101

本系统通过多模型集成、知识增强、主动学习和持续优化等关键技术，实现了高效、高质量的自动化文本语料标注。系统采用模块化设计，支持灵活扩展，能够处理不同类型的文本数据，适应多样的标注需求。

weixin_49199313的博客 965

风光功率联合建模：Copula解耦依赖+Kmeans场景压缩

风光出力建模的核心挑战在于风速与辐照度之间存在非线性、非对称且强尾部依赖的联合关系，传统多元分布难以准确刻画。Copula函数通过分离边缘分布（如Weibull风速、Beta辐照度）与依赖结构，实现物理可解释的联合建模；Kmeans聚类则在保障概率密度保真前提下，将高维场景压缩为有限代表点。该技术路径兼顾统计严谨性与工程实用性，广泛应用于新能源消纳评估、电力系统随机优化及日前调度仿真等关键场景，尤其适配Matlab/Simulink工业级部署环境。

weixin_33898233的博客 365

【物体检测】R-CNN家族

目标检测评测指标 mAp（Mean Average Precision） true prediction: IoU>thresholdIoU>threshold IoU > threshold & ypred=yypred=y y_{pred} = y 而且，多个类似的预测，只取一个，其他认为是false。即对一张图的同一个物体，假设有5个预测的IoU > thres...

zhiwei2coder的博客 452

重磅！AI实时读取总结微信聊天记录，附MCP协议+智能体配置教程！

【摘要】本文介绍了一套AI实时分析微信聊天记录的解决方案，通过Chatlog+Trae+MCP协议实现智能整理群聊信息。Chatlog作为开源工具本地解析微信数据，确保隐私安全；Trae提供AI分析能力，支持自然语言处理。操作步骤包括：1）下载运行Chatlog并启动HTTP服务；2）安装Trae配置MCP协议；3）创建智能体设置提示词。该方案虽需初始配置，但能有效解决群聊信息过载问题，自动提炼关键内容，避免有价值信息被淹没。文中提供了详细教程链接和网盘资源。

puyihuan的博客 1万+

理解 Batch Normalization

参考链接： https://zhuanlan.zhihu.com/p/26138673 https://blog.youkuaiyun.com/hjimce/article/details/50866313 https://blog.youkuaiyun.com/myarrow/article/details/51848285 原理 BN的本质是解决了反向传播过程中的梯度消失问题。 梯度消失/爆炸问题 ...

zhiwei2coder的博客 438

Decoder如何工作、Transformer如何训练、以及exposure bias问题

1、结合图文描述Decoder中各个模块是什么，以及是如何工作的。2、transformer是如何训练的。3、exposure bias问题造成的原因及解决方法

m0_59113542的博客 3345

解放双手：用KUKA示教器白键一键触发复杂工艺，自定义你的快捷指令

本文详细介绍了如何利用KUKA示教器的工艺白键功能，通过自定义快捷指令一键触发复杂工艺，显著提升自动化产线效率。文章涵盖UserTech技术栈解析、KRL脚本封装、人机交互视觉工程及工业实战策略，帮助工程师实现机械臂操作的高阶优化。

weixin_30379531的博客 432
上一篇： [Siemens]A Better Forecast for Renewable Energy Generation
下一篇： [Stereo_cnn][cvpr16]Efficient Deep Learning for Stereo Matching(未完成)
点赞 0
评论 0
书签 书签 0
zhwli
zhwli
博客等级 码龄9年 21粉丝 51原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值