归档
时光荏苒，文字留痕
共 49 篇文章
静态词向量预训练模型
静态词向量（Static Word Embeddings）预训练模型是自然语言处理（NLP）深度学习时代的早期基石。 静态：一个词在词表中对应一个固定不变的稠密向量，无论这个词出现在什么上下文中，它的向量表示都是完全相同的。 在深度学习爆发前，NLP 领域长久以来被“语义鸿沟”和“维度灾难”两座大山
Rasch模型
"The Rasch model is the only model in IRT that satisfies the requirements of a measurement model." — Georg Rasch 什么是Rasch模型 Rasch模型由丹麦数学家 Georg Rasch
项目反应理论（IRT）
引言：为什么重温 IRT？ 最近在折腾知识追踪相关的研究和开源框架开发，看了不少顶会的 Paper，也敲了不少深度学习的代码。在这个过程中我越来越深刻地意识到一个问题：很多时候我们用复杂的神经网络去拟合学生的学习轨迹，其实本质上还是在试图回答教育测量学里那个最古老的问题——“如何准确评估一个人的真实
Hello Halo
如果你看到了这一篇文章，那么证明你已经安装成功了，感谢使用 Halo 进行创作，希望能够使用愉快。
微调Qwen-8B（自定义猫娘Neko大模型）
暂无摘要...
Q-learning
Q-learning+ε-greedy Q-learing原理 为什么要用 ε-greedy 在强化学习中，智能体（Agent）面临两个选择： 利用 (Exploitation)：根据当前学到的
MOPSO 实践
实践一 任务1：dominates(a，b)数实现 任务2：Archive管理(加入、删除、拥挤选点) 任务 3：Leader Selection(任选一个方法) 任务4：绘制不同选代的前沿图 代码 import numpy as np import matplotlib.pyplot as plt
NSGA-II 实践
实践一 任务1：实现非支配排序 输入一组二维点→分 Rank 1、Rank 2. 任务2：计算拥挤距离 观察高/低距离点的差异 任务3：实现迷你 NSGA-II 种群 30、选代20代→输出不断逼近的前沿图 代码 import numpy as np import matplotlib.pyplot
GA求解八皇后
实现 GA 求解 8 皇后问题，观察代数变化曲线。 输出：应度曲线、最优路径或棋盘状态。 对比不同交叉算子(单点、双点、均匀)。 编码方式：采用整数编码（数组索引代表行，数值代表列）。 适应度函数：计算冲突数（列冲突 + 对角线冲突），目标是最小化冲突（最优为 0）。 三种交叉算子：单点 (Sing
PSO 调参实验
调整 ww ， c1c_1 ，