Maths | 黎曼猜想/解析延拓/素數計數函數
ML | Ollama

ML | Ollama

Ollama Ollama是一個開源工具，旨在直接在本地機器上運行大型語言模型（LLMs），增強用戶的隱私和性能。它使開發者、研究人員和企業能夠利用強大的人工智能模型，而無需依賴基於雲的解決方案，從而保持對數據的完全控制並降低與外部伺服器相關的潛在安全風險。 Ollama的主要特點 本地執行：Ollama使得在本地執行LLMs成為可能，這減輕了隱私問題並增強了數據安全性。這意味著用戶不需要將敏感
ML
#AI #ML #Ollama
ML | DeepSeek

ML | DeepSeek

DeepSeek (深度求索)，全稱杭州深度求索人工智能基礎技術研究有限公司，是中國的一家人工智能與大型語言模型公司。該公司的總部位於中國大陸浙江省杭州市，由中資對沖基金幻方量化創立，創始人和行政總裁為梁文鋒。DeepSeek因其在推理任務上的表現與OpenAI的ChatGPT相當，但開發成本和資源消耗卻僅為其一小部分而受到廣泛關注。 DeepSeek Model DeepSeek-R1 and
ML
#NWP #AI #ML #deepseek
ML | Transformer | Attention, FFN, ResNet
ML | Frequentist and Bayesian (頻率派 和 貝葉斯派)

ML | Frequentist and Bayesian (頻率派 和 貝葉斯派)

貝葉斯派和頻率派。在學習機器學習的過程中，應該聽過很多次這兩個專業詞彙，剛開始學不用過於深究，這不會影響你學習各種模型，當你了解完很多模型演算法後，再回過頭來看貝葉斯派和頻率派，就會有種醍醐灌頂的感覺，你在每種模型上都可以找到它們的哲學思想、方法論。 貝葉斯公式： \(P(\theta|x)=\frac{P(x|\theta)P(\theta)}{P(x)}\) 先驗機率指的是 \(P(\the
ML
#NWP #AI #ML
ML | RNN Recurrent Neural Network

ML | RNN Recurrent Neural Network

循環神經網路（recurrent neural network，RNN) RNN是一種特殊的神經網路結構，它透過在時間上的展開來處理序列資料中的依賴關係。在每個時間步（time step），RNN都會接收一個輸入（例如句子中的一個單字），並輸出一個結果（例如下一個單字的預測）。與傳統的前饋神經網路（Feedforward Neural Network, FNN）不同，RNN在每個時間步都會保留一個
ML
#NWP #AI #ML #RNN
WRF | Vertical Levels and Heights
WRF | MPAS | UCM and LCZs
ML | ResNet

ML | ResNet

殘差網路概述 殘差神經網路（Residual Neural Network，簡稱 ResNet ） 是一種深度學習模型，旨在解決傳統深度神經網路中常見的梯度消失和梯度爆炸問題。這種網路的核心理念是讓每一層學習與輸入之間的殘差，而非直接學習預期的輸出。這樣的設計使得訓練更深層的模型變得更為有效，並且在增加層數時能保持甚至提高準確率。 ResNet 透過 殘差學習解決了深度網路的退化問題，讓我們可以訓
ML
#NWP #AI #ML #ResNet
ML | VAE Variational Auto-Encoder

ML | VAE Variational Auto-Encoder

基礎知識回顧 Latent Variable Variations Gaussian Mixture Model Gaussian Mixture Model，即高斯混合模型。生成模型比較主流的三個模型為：隱馬可夫模型HMM、樸素貝葉斯模型NB、高斯混合模型GMM。這裡我們主要為大家介紹GMM。 混合模型是一個可以用來表示在總體分佈中含有N個子分佈的機率模型，它表示了觀測資料在總體中的機率分
ML
#NWP #AI #ML #VAE #Auto-Encoder #Generative AI