人工智能

CVRP问题是一类在特定约束条件下优化车辆行驶路线的NP-hard问题。它要求在满足一系列客户点的需求且不超过车辆容量的前提下，安排适当的车辆行驶路线，旨在最小化总成本，包括车辆启动成本和行驶成本。CVRP问题是运筹学和物流管理中的一个重要课题，直接关联到物流配送的成本效益和服务质量。 Solomon数据集是用于研究车辆路径问题（VRPTW、CVRP）的一系列标准测试实例，由Solomon于1987年提出。 Solomon数据集在CVRPLIB中被广泛采用，其中包含一个起始点（CUST NO.==0）和100个客户点，所有的常量都为整数。该数据集包括最大可派遣车辆数K、每辆车的最大载重量Q、各节点的横纵坐标XCOORD和YCOOR以及节点之间的距离视为运输成本、节点处的需求量DEMAND、服务最早开始时间READY TIME和服务截止时间DUE TIME等信息。

徒步优化算法（Hiking Optimization Algorithm，HOA)是一种受徒步旅行经历启发的元启发式优化算法。徒步旅行者试图登顶山峰、丘陵或岩石的过程中，徒步者有意或无意地考虑到地形的陡峭程度，这是一种流行的娱乐活动，它认识到优化问题的搜索景观与徒步旅行者所穿越的山区地形之间的相似性。HOA的数学模型以Tobler徒步函数为前提，该函数通过考虑地形的高程和行走距离来确定徒步者(即agent)的步行速度。在求解优化问题的过程中，利用Tobler徒步函数（THF）来确定徒步者的位置。

UCI常用的机器学习公开数据集，均为.mat格式，matlab可直接导入，用于分类和回归

20newsgroups数据集下载，机器学习必用，不需要连外网使用。下载数据集后需要修改代码才能使用。 使用方法： 找到D:\software-1\anaconda\Lib\site-packages\sklearn\datasets\_twenty_newsgroups.py下的_twenty_newsgroups.py文件，找到函数_download_20newsgroups，注释#logger.info("Downloading dataset from %s (14 MB)", ARCHIVE.url)和 # archive_path = _fetch_remote(ARCHIVE, dirname=target_dir)，新增archive_path = os.path.join(target_dir, r'20news-bydate.tar.gz')

本项目基于Meta最新发布的新一代开源大模型Llama-3开发，是Chinese-LLaMA-Alpaca开源大模型相关系列项目（一期、二期）的第三期。本项目开源了中文Llama-3基座模型和中文Llama-3-Instruct指令精调大模型。这些模型在原版Llama-3的基础上使用了大规模中文数据进行增量预训练，并且使用精选指令数据进行精调，进一步提升了中文基础语义和指令理解能力，相比二代相关模型获得了显著性能提升。 我已将如何训练+推理以及vscode配置等内容放入文件夹，你可直接下载按照要求执行，以便进一步解读与学习。当然，我也会在博客解读代码细节，以此帮助大家对大语言模型理解。

希腊地震数据集-1965 年至 2023 年期间希腊发生的地震 介绍 这是希腊的最新和扩展的地震清单，可追溯到 1965 年，并将每年根据前一年发生的地震事件进行更新。 内容 第一列标题为“DATETIME”，表示地震发生的时间。 然后是“LAT”（纬度）和“LONG”（经度）坐标，它们告诉我们地震发生的地点。最后，地震用“DEPTH”（公里）和“MAGNITUDE”（里氏震级）来描述。 可用于地震研究，包括机器学习 深度学习 传统算法等建模研究

针对于已知环境中的路径规划问题，本文提出Q-Learning解决智能体在复杂环境中找到最优路径。最终阶段包括查询 Q 表以选择最佳行动路径。训练完成后，呈现了历时、最小步数、最大奖励值等结果，以及 Q 表的可视化、最短路径和整个训练过程。Q-learning 是强化学习中的一种基于值函数的学习方法，用于解决无模型的马尔可夫决策过程（MDP）问题。在 Q-learning 中，代理尝试学习一个价值函数 Q(s, a)，它估计在状态 s 采取动作 a 后所能获得的长期回报的价值。状态 s、动作a、奖励信号r、Q 值函数 (Q-table)、折扣因子 γ、学习率 α、探索-利用策略。图1 Q-Learning结构图状态s:在 Q-learning 中，代理与环境进行交互，环境处于不同的状态。状态是描述环境的特定情况或配置的抽象表示。

Otto-案例数据集中的train

详情介绍 氢AI是基于OpenAI的人工智能平台，可以为广大用户提供自然语言处理和机器学习等服务。 获得好评的同时，也有一些用户因为使用成本较高而离开了。 为了更好地满足用户的需求并提高用户体验，我们对氢AI进行了优化。现在，我们可以通过安装PHP扩展（Redis） 和使用PHP7.4+，MySQL5.7+等环境来提高系统性能和稳定性。 我们还添加了套餐设置和用户登录功能，以便根据不同的用户需求提供相应的收费服务， 从而为用户提供更加灵活、个性化的服务。 没KEY，就没测试功能，只搭建了下，能搭建出来。 环境： Apache 2.4.57 PHP7.3 MYSQL5.6 搭建： 上传后解压，访问域名进行安装即可 后台账号：admin123 后台密码：wobbt_cn85 ————————————————

ch_ppocr_mobile_v2.0_det（中文检测模型）、ch_ppocr_mobile_v2.0_rec（中文识别模型）