contextual-pattern-learning
高级上下文模式识别,包括项目指纹识别、语义相似性分析和跨领域模式匹配,以增强学习能力
把 Skill 的源码、资源快照、README、包体和安装信号放进一个可搜索、可筛选的公开目录。
高级上下文模式识别,包括项目指纹识别、语义相似性分析和跨领域模式匹配,以增强学习能力
在项目级别启用自主模式识别、存储和检索,并具备自我学习能力以实现持续改进
在全局运动补偿后生成动态对象的二进制掩码,输出CSR稀疏格式。
这是2025年地震目录研讨会上,由顶尖地震学研究者分享的关于地震事件检测和相位拾取方法的优点与缺点的总结。当你手头有地震相位拾取任务时可以参考使用。
天文光曲线的预处理和清洗技术。在为周期分析准备光曲线数据时使用,包括去除异常值、去除趋势、平坦化以及处理数据质量标志。适用于lightkurve和一般时间序列数据。
使用OpenAI GPT视觉模型分析图像和多帧序列
使用参数和非参数方法检测时间序列数据中的长期趋势。在确定某个变量是否随时间显示出统计学上显著的增加或减少时使用。
实现mHC(流形约束超连接)以稳定深度网络训练。在通过Sinkhorn-Knopp算法使用双随机矩阵改进残差连接时使用。基于DeepSeek的2025年论文(arXiv:2512.24880)
通用模型检测和能力评估以实现最佳跨模型兼容性
请提供需要翻译的描述内容。
使用光流+仿射/单应性估计相机运动,允许每帧有多个标签。
SeisBench核心模型API的概述,这是一个用于训练和应用机器学习算法到地震数据上的Python框架。它对于使用预训练的SOTA ML模型标注波形非常有用,适用于相位拾取、地震检测、波形去噪和深度估计等任务。对于任何波形,你可以将其操作成一个obspy流对象,并且能够与seisbench模型无缝工作。
Lomb-Scargle周期图用于在不均匀采样的时间序列数据中寻找周期信号。在分析光变曲线、径向速度数据或任何天文时间序列以检测周期性变化时使用。适用于恒星旋转、脉动、食双星和一般的周期现象。基于lightkurve库。
使用OpenCV从视频文件中提取帧并将其保存为图像
当您需要根据提供的产品代码本规范化测试工程师编写的缺陷原因时,应考虑使用此技能。该技能将纠正拼写错误、误用的缩写、模糊描述、中英文混杂文本或误导性文本,并提供解释。该技能将执行分词、语义匹配、置信度校准和站点验证。
在不同格式之间转换媒体文件 - 视频容器、音频格式和编解码器转码
跨模型性能优化和自主代理的扩展配置
在模拟车辆运动、计算安全跟车距离、碰撞时间、速度/位置更新或为巡航控制模式实现车辆状态机时使用此技能。
标准化视频采样和帧索引,使间隔指令和掩码帧与有效的键/索引方案保持一致。
多跳证据搜索+企业工件数据集(文档/聊天/会议/PR/URL)上的结构化提取。强大的消歧以防止跨产品泄露;返回准备好JSON的实体加上证据指针。
通过将水位与阈值进行比较来检测洪水事件。用于确定是否发生洪水、计算洪水天数、将瞬时数据汇总为日值或分类洪水严重程度。
使用JAX进行高性能数值计算和机器学习工作流。支持数组操作、自动微分、JIT编译、RNN风格的扫描、map/reduce操作以及梯度计算。非常适合科学计算、ML模型和动态数组转换。
剪切、修剪、连接和分割视频文件 - 基本的视频编辑操作
使用OpenAI GPT系列分析图像和多帧序列