本文是《滚动轴承故障诊断》系列的第 9 篇，也是收官篇（论文与答辩）。 系列完整目录见文末【专栏导航】。本篇配套的论文框架模板、实验对比表，关注并私信公众号获取...

画 RAG 方法图时，草稿上可能只有三个词：查询、检索、文档。真要放进论文，就得找三个风格接近、缩小后也能认出来的符号。开源项目 ML Paper Icons ...

团队做大模型应用，最常被问到的问题之一是：到底要不要微调？有人一上来就想拿业务数据把模型“训一遍”，也有人觉得写好提示词就够了。这篇文章把微调到底在做什么、和 ...

本文是《滚动轴承故障诊断》系列的第 8 篇（可视化界面）。 系列完整目录见文末【专栏导航】。本篇的可运行界面脚本（gui_app.py）与内置预训练模型，见公众...

本文是《滚动轴承故障诊断》系列的第 7 篇（训练与评估）。 系列完整目录见文末【专栏导航】。本篇的训练脚本、评估脚本与一键出图，见同名公众号。

先说个可能有点反直觉的判断：MIT 这项研究，短期内在云上没什么直接用处，但它指向的方向，可能会改变模型运维的成本结构。 顺便说一句，这篇文章的配图是我用 AI...

本文是《滚动轴承故障诊断》系列的第 6 篇，也是全系列最有含金量的一篇（算法核心）。 系列完整目录见文末【专栏导航】。本篇讲解的两个模型结构代码见公众号。

本文是《滚动轴承故障诊断》系列的第 5 篇（随机森林）。 系列完整目录见文末【专栏导航】。本篇配套的可运行脚本与报错速查见公众号。

本文是《滚动轴承故障诊断》系列的第 4 篇（数据预处理）。 系列完整目录见文末【专栏导航】。本篇讲解的 data_load 核心逻辑，配套的完整可运行脚本与报错...

预测也不只面向未来。在机器学习里，根据特征估计尚未知道的类别或数值，也常叫预测。面向未来时间的预测，通常称 forecasting。

机器学习中，inference 常译为“推理”，指使用训练好的模型计算输出。图片分类、生成下一段文字，都可以属于这种模型推理。

从身体感知层的“具身缺席”延伸至人类生存最基础的“时间维度”，2026年10月的时间社会学与批判技术哲学界正面临一场比肉身丧失更隐蔽、比责任悬置更普遍的“时间异...

船舶柴油机在加减速等动态机动运行过程中，工况变化和控制系统的瞬态补偿调整容易对故障监测信号产生干扰，增加故障诊断难度。针对这一技术问题，发表于期刊《Ships ...

用约 2500 万参数的教学模型，可以把编码、因果注意力、损失、反向传播和评估连成一条可检查的链路。本文从一组明确的配置出发，讨论参数放在哪里、字节输入增加什么...

导读：本文记录我从需求分析、原创内容设计、AI 语音合成、页面编码到真机调试的全过程。技术栈很轻：微信原生小程序 + edge-tts + ffmpeg，但踩过...

时间序列预测，一直是数据科学里既常见又难搞的问题——电力负荷、气象、水位、流量、传感器指标，到处都需要。传统做法要么针对每个数据集重新训练模型，要么在数据漂移时...