跨元探索
75 位追蹤者
跨元探索
75 位追蹤者
樂於將西洋占星 風水 咖啡 高新科技等領域的心得撰文分享
全部內容
由新到舊
深度學習近年來作為解決各種電腦視覺任務（例如影像分類、目標檢測和分割）的方法
而廣受歡迎。在影像分析任務中，卷積神經網路 (CNN) 一直是主流架構。
另一方面，Google 在 2020 年推出了名為 Vision Transformer (ViT) 的新架構，該架
構在多個影像分類基準
=================================================
NLP 問題從 LSTM 等 RNN 模型轉向 Transformer
=======================================
1.到 https://www.python.org/downloads/ 下載 python-3.13.7-amd64.exe 安裝
2.到 https://www.jetbrains.com/pycharm/download/?section=windows
安裝 Pychar
1.到 https://python.com 下載 python-3.13.7-amd64.exe 安裝
2.到 https://pycharm.com 下載 pycharm-2025.2.0.1.exe 安裝
3. 到桌面點擊圖標開啟 python
4. 進入設定 (例如
當OpenAI 、Google Gemini 等AI大咖,還在忙於軟體更新迭代升級相互較勁時,
給消費者的感覺 : 不就是一個傳統「Photoshop圖形處理+ SQL資料庫+谷歌搜尋
引擎+影音辨識+程式自動除錯+電玩」的冠名AI整合體。
當下所有的AI 大語言模型 ,例如Open
LLM (Large Language Model) 大型語言模型
意思是一種利用大量文本資料訓練出來的人工智慧模型，能夠生成文字、翻譯語言、撰寫不同種類的創意內容，並且用接近人類的口吻來回應問題。採用卷積神經網路 (CNN)、循環神經網路 (RNN)、生成對抗網路 (GAN)、Transfo
●控制器分類
1.依串聯並聯做分類
(1)串聯控制器
(2)並聯控制器 : 前饋式、反饋式
前饋式
反饋式
2.依控制器內部元件分類
(1) PID控制器 : P、I、D、PI、PD、PID 型控制器
(2) 相位補償控制器 : 利用
==============================================
構建 Google Cloud 的 Vertex AI 平台
==============================================
■首先要建立
Adaptive PID（比例-積分-微分）自適應 PID，在傳統 PID 控制器在工業與嵌入式領域應用廣泛，但固定參數難以應對動態變化的系統，調參往往耗時又不穩。Adaptive PID 則透過「根據誤差自動調整增益」來彌補這個問題，提供更聰明、更穩定的控制解法。
而更棒的是，我們可以用 E
●Ziegier-Nichois調整法
在1940年代, Ziegier 及Nichois 兩位工程師,基於控制系統在穩定性為臨界狀態時之行
為,提出增益參數之最佳化調整法。當PID 控制器被描述為下列形式 :
其中
三個參數增益值,可以下列程序決定 :
