AI.x社区

大家好，我是橙哥！今天我们来看一下如何用Dify和Notion打造一个轻量级金融数据库，首先我从服务器的MySQL数据库向Notion同步了今天的量化策略选股结果数据。同步后的Notion表格数据如下所示：下面我们来看一下如何将Notion表格数据同步到dify知识库。首先打开dify主页，点击创建知识库。在创建知识库页面，选择同步自Notion内容，并绑定Notion空间，选择你要同步的Notion表格数据。下一步进行数据处理，系统可以自动帮我们进行...

如果使用得当，LLMLingua可以降低使用高级LLM的成本，并使更广泛的用户和应用程序可以使用LLM。像GPT4和Claude这样的大型语言模型(LLM)可以通过良好的提示工程学习新任务。然而，较长的提示会增加使用这些模型的成本，并且还会减慢它们的运行速度。LLMLingua是微软公司开发的一项新技术，通过消除无关部分来压缩提示。值得注意的是，LLMLingua可以在不影响模型响应质量的情况下将提示的规模压缩高达20倍。如果使用得当，LLMLing...

有关类似GPT4这样的大型语言模型（LLM）是否真正模拟人类逻辑和推理的辩论正在进行中。一些研究人员认为，随着规模的扩大，LLM可能会发展出对抽象推理、模式识别和类比制作的新能力。另一方面，一些人认为促使这些能力的内部机制尚未被解释清楚。一些实验证明，这些模型在其训练数据范围之外难以推广。"在创建和推理抽象表示方面的能力对于强大的泛化至关重要，因此有必要了解LLM在这方面已经取得了多大的能力，"圣塔菲研究所的...

案例使用的试验数据来源于常见的凯斯西储大学轴承数据中心，试验台采集的振动信号数据包括四种状态，分别是健康状态、内圈故障、滚动体故障、外圈故障。案例选择驱动端振动传感器采集的数据，采样频率为12000Hz，轴承信号为SKF6205。为简化试验，仅使用电动机负荷为0的振动信号，转速为1797rmin。为便于对注意力的分布进行解释，案例应用包络谱作为模型的输入。对于四种状态的轴承数据，使用滑窗选取55段信号，每段信号包含1200...

6月3日晚，著名开源大模型平台StabilityAI的联合首席执行官ChristianLaforte，在AMD的产品发布会上宣布，文生图模型StableDiffusion3将于6月12日在HuggingFace开源权重。本次开源的是StableDiffusion3的Medium模型，有20亿参数，在照片真实感、样式、图片质量、算力资源消耗等方面都进行了大幅度优化，将比前两代更好。同时StableDiffusion3也是对标闭源文生图产品Midjourney、DALL·E3的最佳模型之一，该系列已经被全球数百万...

前言在轴承故障信号中既包含轴承转动声音，又包含场景中的其他噪声信息。如何聚焦轴承转动的时域特征和频域特征，降低场景噪声的干扰，是我们需要解决的问题。本期为大家介绍几种常用且高效的信号降噪算法：（1）离散小波变换（DWT）：通过将信号分解到不同的频带，有效地分离出噪声和故障特征。（2）经验模态分解（EMD）：自适应地将信号分解为一系列本征模态函数（IMF），每个IMF代表不同尺度的成分。（3）经验小波变换（EWT...

OpenAI新发布了最新多模态AI模型GPT4o。这个模型的“4o”中的“o”代表“omni”，意为“全能的”。之前GPT4的能力，听说可以免费使用了，抓紧体验一下世界顶级大模型。原来免费套餐也是有对GPT4o有限访问权限。问一下，确认一下模型身份。机会难得，找个难一点的问题来问。数据中心、高性能计算、人工智能、机器学习和存储等应用需要高性能网卡，问下怎么设计高性能网卡。问题1：想设计高性能网卡，请给出模块化设计方案：设计...

Chonkie：实用的RAG分块库，轻量级、速度快，可随时对文本进行分块。图片支持的方法Chonkie提供了多个分块器，可高效地为RAG应用程序拆分文本。以下是可用分块器的简要概述：TokenChunker：将文本分割成固定大小的标记块。WordChunker：根据单词将文本分成块。SentenceChunker：根据句子将文本分成块。SemanticChunker：根据语义相似性将文本分成块。SDPMChunker：使用语义双重合并方法分割文本。基准(VSLangChainLlamaIndex)尺...

前言在时间序列预测任务中，像EMD（经验模态分解）、CEEMDAN（完全集合经验模态分解）、VMD（变分模态分解）等分解算法的使用有可能引入信息泄露，具体情况取决于这些方法的应用方式。信息泄露的主要风险在于：将未来的信息泄露给了模型，使得模型在实际应用中表现得比应有的好。为了防止信息泄露，我们在分解之前，首先对数据集进行划分。然后使用滑动窗口的方法来制作数据集标签，最后逐步滚动分解时间序列窗口！注：没有错误...

前言本期我们推出创新性预测模型：CEEMDAN分解+InformerLSTM+XGBoost组合预测模型。通过CEEMDAN自适应信号分解将原始序列解耦为多频分量，构建高频低频两级预测通道：高频分量由于其复杂性，采用参数丰富的InformerLSTM并行模型，这种结合了注意力机制和长短期记忆网络的模型能更好地捕获长程依赖和复杂动态变化；低频分量则使用XGBoost，这是一种高效的梯度提升决策树模型，能够快速处理简单且低频的特征，避免过拟合。各模型...

StableDiffusion3中型版是StabilityAI迄今为止最先进的文本到图像开放模型，包含20亿个参数。该模型的较小尺寸使其非常适合在消费级个人电脑和笔记本电脑以及企业级GPU上运行。它的大小适合成为下一个文本到图像模型的标准。近日，StabilityAI宣布稳定扩散3中型版的推出，这是StableDiffusion3系列中最新、最先进的文本到图像AI模型。StableDiffusion3中型版代表着生成式人工智能演进中的一个重大里程碑，延续了使这一强大技术...

前言本期我们推出创新性预测模型：CEEMDAN分解+InformerLSTM+XGBoost组合预测模型。通过CEEMDAN自适应信号分解将原始序列解耦为多频分量，构建高频低频两级预测通道：高频分量由于其复杂性，采用参数丰富的InformerLSTM并行模型，这种结合了注意力机制和长短期记忆网络的模型能更好地捕获长程依赖和复杂动态变化；低频分量则使用XGBoost，这是一种高效的梯度提升决策树模型，能够快速处理简单且低频的特征，避免过拟合。各模型...

1模型创新点介绍1.1时序特征捕捉与建模使用Informer的编码器层来捕捉长故障信号时序依赖特征长时间序列处理：传统的RNN和LSTM等方法在处理长时间序列时存在计算效率低、梯度消失等问题。Informer通过改进Transformer架构，使用ProbSparseSelfAttention机制，有效地提高了计算效率，特别是对于长时间序列数据。全局特征提取：通过多头注意力机制，Informer能够捕捉序列数据中的全局特征和长时间依赖关系，确保对故障信号的时序特...

在变工况滚动轴承故障诊断中，引入先验知识是提升深度学习模型准确率的关键策略，尤其是在数据稀缺、工况复杂或噪声干扰严重的场景下。以下从数据预处理、模型设计、损失函数优化、特征融合四个维度简单说明如何系统性地引入先验知识。一、数据层面：基于物理机理的数据增强与特征引导1.物理模型驱动的数据增强（1）故障仿真生成：利用滚动轴承动力学模型（如Hertz接触理论、故障脉冲响应模型）生成仿真振动信号，模拟不同故障...

本期推出一种基于快速傅里叶卷积的FFCResNet的网络模型，通过把ResNet中常规卷积替换为快速傅里叶卷积，提升了卷积神经网络（CNN）的性能，并应用在轴承故障诊断任务上，取得了不错的效果！通过巧妙融合快速傅里叶变换（FFT）的卓越性能，快速傅里叶卷积（FFC）成为了执行卷积操作的高效利器，尤其是在渴求全局性上下文理解与跨尺度特征无缝融合的场景下展现出了非凡优势。这种创新性的频域处理手段，不仅显著提升了特征提取的...

前言本文基于凯斯西储大学（CWRU）轴承数据，先经过数据预处理进行数据集的制作和加载，最后通过Pytorch实现1DCNN2DResNet并行模型对故障数据的分类。1轴承故障数据的预处理1.1导入数据参考之前的文章，进行故障10分类的预处理，凯斯西储大学轴承数据10分类数据集：trainset、valset、testset均为按照7：2：1划分训练集、验证集、测试集，最后保存数据上图是数据的读取形式以及预处理思路1.2数据预处理，制作数据集2基于Pytorch...

前言本期推出结合CVPR2022视觉顶会论文RepLKNet的多模态故障诊断创新模型，适合各种故障诊断领域、电能质量扰动信号、各种声信号、脑电信号等分类任务!创新模型还未发表！！！有小论文、毕业论文需求的不容错过！提供马尔可夫转换场MTF、递归图RP、格拉姆矩阵GAF、连续小波变换CWT、短时傅里叶变换STFT五种时频图像变换方法，可灵活替换多模态特征中的时频图像类型！1创新模型相关解释●数据集：CWRU西储大学轴承数据集●环境框...

4月9日，著名大模型开源平台Stability.ai在官网开源了，全新类ChatGPT模型StableLM212B。据悉，StableLM212B有120亿参数，使用了英语、西班牙语、德语等7种语言2万亿tokens的训练数据。一共有基础模型和指令微调两个版本，能生成文本、代码等内容，还能作为RAG的核心来使用。同时，Stability.ai还对之前发布的模型StableLM21.6B进行了更新，尤其是在硬件需求方面进行了大幅度优化。所以，这两款模型非常适合小企业、个人开发者...

就在昨天，Anthropic深夜发布了下一代旗舰大模型Claude3.5Sonnet。据称，Claude3.5Sonnet不仅在评估中胜过GPT4o，还保持了作为「中杯」的最优性价比，超过了自家的Claude3Opus。如今，Claude3.5Sonnet已经面向全球开启免费试用了。在费用上，Sonnet处理每百万输入token仅需3美元，每百万输出token仅为15美元。对比之下，GPT4o的每百万输入token收费5美元，每百万输出token为15美元，在价格上可以说是不相上下。正式对打时，各家...

遇到一个问题用不同表达方式prompt时，大模型往往会给出两种不同的答案。比如，「秘鲁的首都是什么」，「利马是秘鲁的首都吗」。对于这种回答不一致的问题，科学家们纷纷为大模型的「智商」担忧起来。正如了LeCun所言：LLM确实比狗积累了更多的事实知识和语言能力。但是它们对物理世界的理解能力，以及推理规划能力，远远不及狗。那么，有没有一种方式，能够破解大模型幻觉，让结果更加准确、高效？来自MIT的研究人员，将「博弈...