当工程师遇到声学仿真需求时，COMSOL就像瑞士军刀般的存在。上周帮医疗器械团队调试超声换能器，在声-结构耦合环节发现个有趣现象：换能器表面振动引发的声场竟然在培养液中形成了漩涡流动。这让我决定带大家实操几个典型场景。
先看压力声学模块，最适合基础声场建模。比如建立直径5mm的超声换能器模型，用频域研究最省事：
model = Model()
model.modelNode.create(&quo
HanLP二元核心词典详细解析本文分析：HanLP版本1.5.3中二元核心词典的存储与查找。当词典文件没有被缓存时，会从文本文件CoreNatureDictionary.ngram.txt中解析出来存储到TreeMap中，然后构造start和pair数组，并基于这两个数组实现词共现频率的二分查找。当已经有缓存bin文件时，那直接读取构建start和pair数组，速度超快。源码实现二元核心词典的加载
宝子们，上次给你们安利了[MiniAgent](https://github.com/ZhuLinsen/MiniAgent)，一个超适合零基础入门AI Agent的宝藏项目。今天，我来带你们深入探索Agent背后的技术原理，让你彻底搞懂大模型和工具是怎么协作的！宝子们，上次给你们安利了MiniAgent，一个超适合零基础入门AI Agent的宝藏项目。今天，我来带你们深入探索Agent背后的技术
这是ACL2020上的一篇长文，作者来自北京邮电大学。 这篇文章将BERT模型用在跨领域情感分析上，所使用的方法并没有非常新颖，不过实验和分析倒是挺多的。 大体思路 这篇文章所研究的“跨领域情感分析”，旨在通过源领域的标注数据对目标领域的无标注数据进行情感分类。源领域如餐饮领域，目标领域如电子产品领域，这两个领域之间存在一定的差异。为了克服领域间的差异，一
1. 背景中台覆盖了多线业务，自然对应的不少后台系统，考虑日后到项目应用，满足业务的快速迭代，无论是技术版本升级、敏捷开发、可复用性和可维护性等。我们需要针对当下的痛点，切合定一些强制规范和推荐规范。1.1 痛点新旧项目差异比较大，升级比较费劲老项目文档不全 or 没有组件复用性不高依赖同类功能的第三方库，五花八门，没有统一切换项目开发时，代码校验规范不统一没有实际文档，不便于新人培训等1.2 项
快速上手Agent原理，三分钟定制自己的agent
GCN 的的兴起为许多NLP问题的解决提供了新的思路。通过句法依赖树构建图结构，基于此通过GCN进行NLP问题的解决已经得到了广泛应用。那么除此之外，还有哪些方法可以用于在文本中建立图结构从而使用GCN呢？小编整理了如下几篇，分别是通过TF-IDF， PMI、序列关系、词典 等信息进行构图的顶会论文，希望能够拓展对GCN的应用思路( ఠൠఠ )ﾉAAAI2019: Graph Convolutio
摘要本文简单介绍了JDIC(JDesktop Integration Components)的用途，以及以实例的形式教你如何使用JDIC调用或者整合本地桌面环境的组件或应用程序。如果你经常访问java.net，或者读过JavaOne的新闻报道，你可能听过Jdesktop Integration Components(JDIC)。这些新的API终于能让Java开发人员做那些我们曾经羡慕本地同胞们所做
该数据集有48个已定义好的schema，43个简单知识schema，5个复杂知识的schemaTrain.json 11958条训练数据{
"text":"雀巢裁员4000人：时代抛弃你时，连招呼都不会打！",
"id":"409389c96efe78d6af1c86e0450fd2d7",
"event_list":[
{
End-to-End Speech (to Text) Translation前言背景知识语音翻译（ST, Speech Translation）是一项从一段源语言音频中翻译出目标语言的任务。 本章主要针对语音到文本的翻译，比如，从一段英文语音中，得到中文的翻译文本。基本方法级联模型（Cascaded）, ASR -> MT级联模型由独立的两个模型，语音识别模型（ASR）和机器翻译模型（MT
Bert最近很火，应该是最近最火爆的AI进展，网上的评价很高，那么Bert值得这么高的评价吗？我个人判断是值得。那为什么会有这么高的评价呢？是因为它有重大的理论或者模型创新吗？其实并没有，从模型创新角度看一般，创新不算大。但是架不住效果太好了，基本刷新了很多NLP的任务的最好性能，有些任务还被刷爆了，这个才是关键。另外一点是Bert具备广泛的通用性，就是说绝大部分NLP任务都可以采用类似的两阶段模
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding作者：Google1.Introduction 预训练方法适用于 NLP 任务，包括词嵌入、GPT等方法。NLP 包括两类：第一类叫做句子层面的任务，识别句子的情绪或者连两个句子之间的关系；第二类是词语层面上的任务，识别各个词，对细粒度要求
简介Jetbrains家族和Pycharm版本划分：pycharm是Jetbrains家族中的一个明星产品，Jetbrains开发了许多好用的编辑器，包括Java编辑器（IntelliJ IDEA）、JavaScript编辑器（WebStorm）、PHP编辑器（PHPStorm）、Ruby编辑器（RubyMine）、C和C++编辑器（CLion）、.Net编辑器（Rider）、iOS/macOS编
（本文阅读时间：12分钟)大语言模型（LLM）AI 指可以从大量数据中生成自然语言文本的 AI 模型。LLM 使用深度神经网络（例如 transformers）从数十亿或数万亿个单词中学习，并生成关于任何主题或领域的文本，还可以执行各种自然语言任务，例如：分类、摘要、翻译、生成和对话。LLM 的一些示例包括 GPT-3、BERT、XLNet 和 EleutherAI。首先我们来理解一下每个字母的含
【CLUE benchmark】基于CMRC2018的机器阅读理解一、背景介绍这是Paddle版本的CLUE benchmark，旨在为用户提供Paddle版本的benchmark进行学习和交流，该版本提供了bert，ernie，roberta-wwm三个版本的基线。CLUE官网的链接为：https://www.cluebenchmarks.com/二、数据预处理在运行程序之前，首先导入需要的第三
虽然我们常说不要游戏人生，但是在人生中玩游戏却会带给我们很大的乐趣。无论是早期的红白机还是现在的GBAboy及电脑游戏，都用它独特的方式让部分游戏迷为之倾倒。但更多的人并不满足于玩一两种类型的游戏，那怎么办呢？用模拟器吧！而且随着数码产品的发展，在移动设备上玩模拟游戏也渐成潮流，最典型的当是Pocket PC（简称PPC）上的模拟器了。 Pocket Nester Pocket Nester
1、向量的定义向量是有方向又有大小的有向线段，向量没有位置，只有大小和方向。2、向量的相关计算2.1、标量与向量的计算 可乘除，不可加减2.2、向量的模长2.3、标准化向量 大小为1的向量2.4、向量与向量的加减计算 加减计算公式：向量相加 += 向量相减 - =2.5、计算两点间的距离 a到b点的距离= 应用于计算一个向量到另外一个向量的距离，a到b的距离=b-a 向量的加减原则2.6、向量的点
开发步骤：1 sapi 是基于com的接口，所以应用程序开发需要遵循com调用规则
[cpp]
view plain
copy
1. hr = ::CoInitialize(NULL);
2.
3. .........
4.
5. ::CoUn
目录隐马尔可夫模型的基本概念定义组成基本假设分类隐马尔可夫模型的三个基本问题概率计算问题预测问题学习问题隐马尔可夫模型的基本概念定义隐马尔可夫模型（Hidden Markov Model，HMM）是关于时间序列的概率模型，描述由一个隐藏的马尔科夫链随机生成不可观测的状态序列（state sequence），再由各个状态生成一个观测而产生观测序列（observation sequence）的过程，序
情感分析系统情感分析任务情感分析是一个经典的文本分析任务，在工业界有着非常广泛的应用。从任务的角度来讲，它的输入为一段文本，输出为某一个特定的情感分类如正面、负面或者中性。 任务本身属于文本分类任务，所以需要使用分类算法。情感分析的一个经典的应用场景为舆情监控。比如一个公司推出了一款产品，然后想去分析市场用户对此产品的意见，这时候可以先基于爬虫技术来获取网上的用户评论，然后再利用分类算法来自动把评
在 45 分钟内搭建 GPUStack 模型服务平台并运行生产级的 Qwen3 模型服务。
Qwen3强势来袭：推理力爆表、语言超百种、智能体协作领先，引领AI开源大模型
一、新建一个 github 仓库（远程） 二、本地端2.1 安装 git（Windows） 2.2 创建本地仓库 （1）打开 Git Bash（2）进入项目路径：cd /e/!_AI_self_Proj/Gesture_Detection_Yolov5（3）初始化本地仓库：git init 该
题目： 对中文文本进行分词操作，并打印出词频出现最高的前5个词。前期准备： 1、pycharm 2、停用单词表（评论666获取“中文停用词表”）
转贴者注： GB2312在1980年由国家颁布， GB13000(GBK) 是对GB2312的扩充且完全兼容前者，GB18030包括GB18030-2000和GB18030-2005. 其中GB2312和GB13000(GBK)都是两字节的，GB18030为多字节。
0 码位空间0.1 约定GBK是双字节编码，每个字符用两个字节表示。GB18
ICRA-2019 文章目录1 Background and Motivation2 Related Work3 Advantages / Contributions4 Method5 Experiments5.1 Datasets5.2 Final Results and Comparison With Prior Work5.3 Ablation Study6 Conclusion（own）
自然语言处理（六） 1. 前馈神经网络、网络层数、输入层、隐藏层、输出层、隐藏单元、激活函数的概念。1.1 神经网络1.2激活函数1.2.1什么是激活函数？1.2.2 激活函数的用途（为什么需要激活函数）？1.2.3有哪些激活函数，都有什么性质和特点？2. 感知机相关；利用tensorflow等工具定义简单的几层网络（激活函数sigmoid），递归使用链式法则来实现反向传播。2.1感知机模型2.
对于自然语言处理专业的认识 Doing a new project and having a good idea can be challenging. During the last months, amidst the strange situation, we are all in, I did not know what project to do. I started a few pr
前言在（）中讲到在文本挖掘预处理中，在向量化后一般都伴随着TF-IDF的处理。什么是TF-IDF，为什么一般需要加这一步预处理呢？这里就对TF-IDF的原理做一个总结。文本向量化存在的不足在将文本分词并向量化后，就可以得到词汇表中每个词在文本中形成的词向量，比如（）这篇文章中，我们将下面4个短文本做了词频统计：corpus=["I come to China to travel",
"T