人工智能

1. 首页
2. IT互联网
3. 人工智能

嵌入式仿真实验教学平台接入Deepseek，开启AI实验教学新时代！

嵌入式仿真实验教学平台全新上线Deepseek+嵌入式知识库功能，深度融合大模型能力与垂直领域知识库，让嵌入式学习、开发更高效、更智能！四大核心功能，AIGC重新定义嵌入式实验教学！一、通用问题，Deepseek妙答从基础语法到操作系统原理，从通信协议到算法逻辑，所有嵌入式领域的

人工智能 2025年04月29日 184 点赞 0 评论 16672 浏览

心理学研究方法（22）

中原焦点团队坚持分享第1084天（20230123） 主因素分析使用最广泛，它可以运用每一变量与其它所有变量的平方和作为公共因素方差的估计值。人们主张以主因素分析确定基本因素数目，以最大似然因素分析求出因素荷重的准确值。 传统因素分析法采用重心法。 因素分析的基本步骤： 1、数据的采集，要求连续的，不间断的数据资料。从同一总体抽样，运用等距或等比量表测定，获得原始数据，应力求数据测量的高效度，防止

人工智能 2025年05月18日 178 点赞 0 评论 16684 浏览

基于R语言的微生物群落组成多样性分析——PCA分析

    PCA，即主成分分析（Principal Component Analysis），是一种考察多个变量间相关性的降维统计方法，其原理是设法将原来变量重新组合成一组新的互相无关的几个综合变量，同时根据实际需要从中可以取出几个较少的综合变量尽可能多地反映原来变量的信息的统计方法（摘自百度百科）。     通俗来说，就是将数据从高维映射到低维以达到降低特征维度的目的。计算时，主要通过对协方差矩阵进

人工智能 2025年05月02日 126 点赞 0 评论 16707 浏览

R进行两因素重复测量方差分析并可视化（双组折线图）

在仙桃学术上的生信工具里面，有一个折线图的绘图工具，可以很快速便捷的得出结论并可视化结果，当然不是说这个功能有多强大，而是统计学方法非常专业。 比如用它自带的数据 通过无脑式的鼠标点击，可得到下面一系

人工智能 2025年05月10日 163 点赞 0 评论 16710 浏览

IO-Zero Copy

要说 IO 的性能优化就不得不提 Zero Copy（零拷贝），虽然名字叫零拷贝，但其实并不是完全没有拷贝过程，而是尽量减少不必要的拷贝及上下文切换。各种消息队列可以说是将零拷贝技术用到了极致，像 Kafka、RocketMQ 都用到到了 mmap、sendfile 等零拷贝技术来提升服务的性能。我们最常用的应用服务 Tomcat、Nginx 在返回静态资源的时候，都有使用零拷贝技术

人工智能 2025年05月30日 76 点赞 0 评论 16724 浏览

2022-06-12

        我们所做的任何事情和要实现的任何目标，都需要使用一定的资源才能完成，客观上都存在着一个理想的资源使用的情形：       理想的资源使用的情形=有效的物质资源X有效的时间资源X有效的精神资源       但是，现实中资源使用的情形常常是这样的：       现实中资源使用的情形=（有效的物质资源+无效的物质资源）X（有效的时间资源+无效的时间资源）X（有效的精神资源+无效的精神资源

人工智能 2025年05月02日 101 点赞 0 评论 16807 浏览

第一讲：数值积分基础

现代物理，本质上只包含几何与材料两块的内容。几何描述的是物件的空间结构，对于给定的几何结构，不同的材料对于外界的反应是不同的。现代物理，不论是刚体软体流体，甚至是量子力学，本质上就是为了将这两种内容分开。 计算机动画，本质上是一种视觉上的体验，通过视觉暂留效应用离散的图片模拟出连续的动画效果。 最早的动画可以追溯到公元前三千年，人们发现的一个陶罐上面通过手绘多个图片，将多个图片串联起来就构成了

人工智能 2025年05月25日 146 点赞 0 评论 16829 浏览

一文读懂：接触DeepSeek等AI大模型时常接触到的7B/32B/671B、Q2/Q4/Q8、AWQ、Zero、Distill等名词或代码的含义

文章目录 一、大模型的参数量 二、大模型的量化 三、Q2/Q4/Q8分别什么意思 四、Zero 四、大模型蒸馏 一、大模型的参数量我们经常会看到大模型后面，会跟一个奇怪的后缀，如： DeepSeek-R1 - 1.5b DeepSeek-R1 - 7b DeepSeek-R1 - 8b DeepSeek-R1 - 14b

人工智能 2025年04月24日 104 点赞 0 评论 16834 浏览

跟着Plos Biology学作图：R语言ggplot2双Y轴折线图

论文 Large variation in the association between seasonal antibiotic use and resistance across multiple bacterial species and antibiotic classes 数据代码链接 今天的推

人工智能 2025年06月26日 127 点赞 0 评论 16852 浏览

一文搞懂池化层！Pooling详解(网络下采样篇)

池化(Pooling)是卷积神经网络中的一个重要的概念，它实际上是一种形式的降采样。有多种不同形式的非线性池化函数，池化层会不断地减小数据的空间大小，因此参数的数量和计算量也会下降，这在一定程度上也控制了过拟合。通常来说，CNN的卷积层之间都会周期性地插入池化层 一. 池化的目的及作用 池化层大大降低了网络模型参数和计算成本，也在一定程度上降低了网络过拟合的风险。概括来说，池化层主要有以下五点

人工智能 2025年06月14日 165 点赞 0 评论 16872 浏览