登录
主页
 文章
无线传感器网络技术（Wireless Sensor Network，WSN）
无线传感器网络技术（Wireless Sensor Network，WSN）是一种融合了传感器技术、无线通信技术、计算机技术和网络技术等多学科的新兴技术。无线传感器网络是由大量部署在监测区域内的、具有无线通信与计算能力的传感器节点通过自组织方式构成的多跳网络系统，其目的是协作地感知、采集和处理网络覆盖区域中被感知对象的信息，并发送给观察者。
2025-02-12
857
1
0
柔性传感器将床垫行业带入数智化赛道
传统床垫行业总体规模庞大且持续增长，随着全球人口的增加以及人们生活水平的不断提高，对床垫的需求也在持续上升，床垫作为生活必需品，市场规模庞大。据QYR统计，2024年全球床垫市场销售额达到了406亿美元。北美是全球最大的床垫市场，约占31%的市场份额，其次是中国，约占25%的市场份额。
2025-02-11
797
2
0
柔性传感器（flexible sensor）
柔性传感器是一种能够感知并测量外界物理、化学或生物等信息，同时具备可弯曲、可拉伸、可折叠等柔性特性的新型传感器。一、工作原理柔性传感器主要基于物理、化学或生物等原理来工作。以物理原理为例，当受到外界压力、温度、光照等物理量变化时，其内部的材料结构或电学、光学等特性会随之改变，比如压阻式柔性压力传感器，在受到压力时，材料的电阻值会发生变化，通过测量电阻的变化就可以感知压力的大小。基于化学原理的柔性传感器，是利用敏感材料与特定化学物质发生化学反应，引起材料的电学、光学等性质改变来实现对化学物质的检测。基于生物原理的柔性传感器，则是利用生物分子之间的特异性相互作用，如抗原与抗体的结合、酶与底物的反应等，将生物信号转化为可检测的电信号或光信号等。
2025-02-11
730
5
13
中医脉象数字化应用
中医脉象数字化是将传统中医脉诊的主观经验转化为可量化、可分析的数字信号的过程。一、什么是中医脉象中医脉象是中医诊断学的重要组成部分，是指医生用手指触按患者手腕部的寸口脉，根据脉搏的形象、动态等特征所感知到的各种脉象表现。1.脉象形成的原理中医认为脉象的形成与心脏的搏动、心气的盛衰、脉道的通利以及气血的盈亏等因素密切相关。心脏的搏动是脉象形成的动力基础，心气充沛则心脏搏动有力，脉象和缓有力；脉道是气血运行的通道，脉道通利则气血运行顺畅，脉象正常；而气血的盈亏则直接影响脉象的形态和力度，如气血充足时脉象充盈，气血不足时脉象可能细弱。同时，肺主气，朝百脉，肺气的宣发肃降对气血的运行有调节作用；脾胃为气血生化之源，脾胃功能正常，气血才能充盈；肝藏血，主疏泄，调节血量和血流速度；肾藏精，为元气之根，对脉象的形成也有重要的影响。
2025-02-11
1069
4
14
人工智能大模型（Gemini）
Gemini是谷歌公司开发的人工智能大模型。2023年12月6日推出Gemini 1.0版本，包括Gemini Ultra、Gemini Pro和Gemini Nano三个不同规格。2024年2月15日，发布Gemini 1.5。2024年5月15日，更新升级Gemini 1.5 Pro版本，同时推出Gemini 1.5 Flash轻量化小模型。2024年12月，发布Gemini 2.0，号称“为智能体时代设计”，带来了更强的性能、更多的多模态表现和新的原生工具应用。
2025-02-10
825
7
3
预训练模型（LLaMA）
预训练模型（LLaMA）是Meta公司2023年2月推出的人工智能模型。2023年7月18日：Meta发布了开源大模型LLaMA 2，最大的卖点是开源且可商用。2024年4月18日：Meta推出了新版本LLaMA人工智能模型LLaMA 3，已用于Meta AI助手，同时也面向开发者进行了开源。2024年9月25日：Meta在Connect开发者大会上，发布了能够同时理解图像和文本的最新多模态模型LLaMA 3.2，允许人们通过语音进行互动。
2025-02-10
543
5
9
向量计算在机器人控制中的应用
向量计算在机器人控制中具有至关重要的作用。在工业制造、物流仓储等领域，多机器人协同作业的场景越来越普遍。向量计算在多机器人系统中用于协调各机器人之间的位置、速度和姿态等向量信息，实现高效的协同工作。例如，在自动化仓库中，多台机器人通过向量计算来规划各自的路径和任务，避免碰撞并高效完成货物的搬运和存储。
2025-02-09
643
7
13
向量计算在机器学习中的应用
向量计算的提出和发展是一个跨越多个世纪的历程，与数学、物理学等学科的发展相互交织。向量概念的雏形可追溯到古希腊时期，当时的数学家和哲学家在研究几何和力学问题时，已经有了一些关于方向和大小的初步概念。如亚里士多德在讨论力的合成与分解时，就涉及到了力的方向和大小的概念，这可以看作是向量概念的早期思想来源。
2025-02-09
815
5
2
向量计算在数据治理中的应用
向量计算是一种基于向量的数学运算，广泛应用于数学、物理学、计算机科学等多个领域。向量是具有大小和方向的量，在数学中通常用有序数组来表示。例如在二维空间中，向量v=(x,y)，其中x和y分别是向量在x轴和y轴上的分量。向量计算在数据治理中具有多方面的重要作用，主要体现在数据质量评估、数据分类与标注、数据安全与隐私保护等环节。
2025-02-09
975
4
14
人工智能推理模型（S1-32B）超越DeepSeek？
S1模型是由斯坦福大学和华盛顿大学的研究团队在李飞飞教授的领衔下开发的人工智能推理模型。从2000年李飞飞进入加州理工学院攻读研究生起，就一直从事人工智能研究，在计算机视觉领域创立了拥有1500万张图片的ImageNet数据库，为人工智能计算机视觉研究奠定了基础，也积累了深厚的人工智能技术理论和实践经验。
2025-02-07
520
0
2
最近邻搜索库（Annoy）
Annoy（Approximate Nearest Neighbors Oh Yeah）由Spotify公司开发。在音乐推荐等场景中，需要处理大规模的音频特征向量，进行高效的最近邻搜索。传统的精确最近邻搜索算法在处理大规模数据时效率低下，无法满足实时性要求，因此Spotify开发了Annoy来解决这一问题。Annoy以开源形式发布后，因其高效的近似最近邻搜索能力受到了广泛关注。社区对其进行不断优化和扩展，使其在更多领域得到应用，逐渐成为解决大规模向量数据搜索问题的常用工具之一。
2025-02-07
1026
4
1
深入比较Chroma和Milvus向量数据库
Chroma和Milvus都是向量数据库，在人工智能和机器学习领域，可用于存储、检索和管理高维向量数据。一、目标1.Chroma 是一个开源的嵌入式向量数据库，专注于为开发者提供简单易用的向量存储和检索解决方案，适合快速原型开发和小型项目。它可以直接集成到Python应用程序中，无需复杂的部署过程。
2025-02-07
1193
7
9
向量数据库（Chroma）
Chroma 由计算机科学家和机器学习工程师创立，是一个相对较新的开源向量数据库项目。其发展目标是为开发者提供一个简单、高效且易于集成的向量数据库解决方案，以满足日益增长的人工智能和机器学习应用对向量数据存储和检索的需求。自推出以来，凭借其易用性和良好的性能，在开源社区中逐渐获得了一定的关注和认可，持续进行功能更新和性能优化。
2025-02-06
912
3
13
深入比较Weaviate和MyScale向量数据库
向量数据库是一种专门用于存储和管理向量数据，并支持高效的向量相似性搜索的数据库系统。将文本、图像、音频等各种类型的数据通过特定的算法和模型转化为向量形式。例如，对于文本数据，可使用词嵌入、句嵌入等技术将词语或句子映射为低维向量空间中的向量；对于图像数据，通过卷积神经网络等提取图像的特征向量。
2025-02-06
1146
7
1
向量数据库（MyScale）
墨奇科技团队在数据库技术选型时，意识到传统专有向量数据库如Pinecone、Zilliz、Chroma等虽向量检索性能优秀，但处理通用数据能力不足；而传统数据库加外挂模块如pgvector等，通用性有一定提升，但向量性能欠佳。团队敏锐洞察到市场痛点，最终选择以高性能的列存分析数据库ClickHouse作为基础进行改造。同时对向量化的算法、系统以及 SQL 与向量的联合查询和存储进行了深入优化。
2025-02-06
778
3
8
向量数据库（Weaviate）
2015年，有一篇介绍将单词转换为词嵌入的机器学习算法文章了解到词嵌入概念。2016年，Weaviate的理念开始孕育，其创始人在参加谷歌开发者专家计划活动时受到启发，思考能否用一种新的方式存储和查询数据，让机器自动理解数据概念，而无需人为统一命名约定和标准。2017年，相关人员对语义存储数据对象的概念进行验证，包括能否通过超空间获取单词上下文、通过计算一组单词的质心来保持语义意义、能否在不重新训练机器学习模型的情况下快速完成等。
2025-02-06
1125
6
11
开源向量数据库（Milvus）
Milvus 是由 Zilliz 开发的一款开源向量数据库，也被称为向量搜索引擎，在人工智能、机器学习等领域发挥着重要作用。2019年，Zilliz团队开始研发Milvus，目的是解决人工智能和机器学习领域中大规模向量数据的存储和快速检索难题。2020年3月，Milvus正式开源，凭借其高性能的向量搜索能力和易用性，迅速吸引了开发者和企业的关注，在开源社区崭露头角。
2025-02-05
533
6
3
KAG知识增强生成框架
KAG（Knowledge Augmented Generation）是蚂蚁集团开源的一款知识增强生成框架。基于OpenSPG引擎和大型语言模型，设计了逻辑符号引导的混合推理引擎，将自然语言问题转化为结合语言和符号的问题求解过程，集成了图谱推理、逻辑计算、chunk检索、llm推理四种问题求解过程。用于为专业领域知识库构建逻辑推理和事实性问答解决方案。它能有效克服传统 RAG（检索增强生成）向量相似度计算模型的缺点。
2025-02-05
881
9
2
CLIP 跨模态学习
CLIP（Contrastive LanguageImage Pretraining）跨模态学习是OpenAI提出的一种能够将自然语言和图像两种模态进行联合学习的技术。通过在大规模数据集上联合训练图像和文本，使模型学习到图像内容与自然语言描述之间的映射关系。计算图像和文本的嵌入向量，通过衡量两者之间的余弦相似度，实现跨模态的检索和分类，可用于根据文本搜索相关图像或判断图像与文本的匹配程度等任务。
2025-02-05
746
1
8
大语言模型的语境应用
大语言模型的语境指的是在语言交互过程中，围绕特定文本或话语所存在的各种相关信息，这些信息能够帮助模型更好地理解和生成语言，使语言表达和理解更加准确、连贯和合理。一、语境分类1.上下文语境 文本上下文：在一段连续的文本中，位于目标文本前后的文字内容构成了文本上下文语境。比如在一篇文章中，前文提到的主题、事件、观点等信息，会为后续内容的理解提供基础。例如，前文描述了“人工智能在医疗领域的应用越来越广泛”，后面提到“它可以辅助医生进行疾病诊断”，这里的“它”就通过前文的文本上下文明确指向“人工智能”。
2025-02-04
957
2
3
- -
© 2021 - 现在 杭州极深数据有限公司 版权所有 联系我们 
浙公网安备 33018302001059号  浙ICP备18026513号-1号