资料库

伏羲智能挖掘机把传统挖机经过数字化改造，使其成为具备自动化能力的挖机，并拥有具备远程驾驶、一定等级的自动挖掘等能力。
通过远程挖机作业平台，使用自动化作业方式帮助建设雅安-林芝段川藏公路。

挖掘机器人

助力国家西南高原铁路基建项目建设

与中建八局合作研发无人装载机，助力沪通铁路

装载机器人

2023年央视网络春晚元宇宙分会场-数字门票的生成。这个分会场是在网易瑶台中举办的，每个报名的人会获得一张数字门票，这些数字门票是由我们的文生图模型生成的。

网易瑶台

AIGC

2023央视网络春晚元宇宙分会场·数字门票

《遇见逆水寒》中的游戏玩法，引导扮演不同角色的玩家进行发言，并和AI模型生成的内容一起完善剧本，并达到剧本提前设定的目标，如达到目标，就会给玩家进行系统奖励。

《遇见逆水寒》中的交互式文字游戏玩法——傀儡戏

网易伏羲以《逆水寒》的“素问”作为AI虚拟代言人，并叠加音乐舞蹈、虚拟讲解、动作捕捉、AI写诗、智能捏脸等产品功能，制定各具特色的沿街互动体验空间。

助力中国丝绸城步行街打造“夜经济”

网易伏羲结为麦当劳提供虚拟人服务，同时结合品牌营销特性，吸引亲子群体，促进新消费点的增长，为快消品的新型营销提供了借鉴。

麦当劳品牌专属虚拟人“金开心”

检索增强生成(RAG)是一种结合了信息检索和自然语言生成的方法，旨在处理自然语言处理任务中的信息检索和生成问题。RAG结合了检索式方法和生成式方法，以提高文本处理任务的效率和质量。

检索增强生成(RAG)概念及优化

LLM大语言模型通常采用Transformer架构，并通过大量文本数据进行训练。它们可以理解和生成自然语言，被广泛应用于聊天机器人、文本摘要、机器翻译等领域。知名的LLM大语言模型包括OpenAI的GPT系列、谷歌的BERT等。

LLM大语言模型和检索增强生成

神经网络遗传算法函数极值寻优是一种基于遗传算法和神经网络的优化算法。它利用神经网络来逼近目标函数，并使用遗传算法来搜索最优解。相比于其他优化算法，神经网络遗传算法具有更好的全局搜索能力和鲁棒性，可以有效地解决复杂的非线性函数极值问题。

神经网络遗传算法在函数极值寻优

PointNN算法是一种用于点云处理的深度学习算法，它能够有效地从点云数据中提取特征并进行分类或分割。


PointNN算法

BIO标注是一种常用的自然语言处理（NLP）标注方式，用于表示一个词在句子中的词性和形态信息。它的全称为BIO标注方案，是一种基于序列标注的模型，常用于命名实体识别等任务。

BIO标注：命名实体识别中的重要工具

PPO是一种基于策略的强化学习算法，它通过直接优化策略函数来学习最优策略。策略函数是一个映射，将状态映射到动作的概率分布。PPO算法的目标是在保持算法的稳定性和样本利用率的同时，实现高效的策略优化。

PPO算法

SAGE算法是一种用于高效处理大规模数据集的算法，通过采样和聚合来估计总体的特性。它在许多领域中都有广泛的应用，如机器学习、数据挖掘、统计分析和自然语言处理等。


SAGE算法

语言模型（LLM）在自然语言处理领域扮演着重要的角色，它们可以帮助我们理解和生成自然语言文本。然而，传统的语言模型通常存在一些问题，例如无法很好地处理复杂的长句、上下文信息的缺失以及知识理解的局限性等。为了解决这些问题，我们可以结合向量嵌入和知识图来提高LLM模型的准确率。

结合向量嵌入和知识图提高LLM模型的准确率

《“良渚”中华文明全球青年分享会》即将在网易瑶台召开

文化乘数字之舟，云上出海元宇宙，元豫宙荣获最佳元宇宙应用场景奖

网易瑶台文旅元宇宙持续创新！“科技+艺术”助力打造黄梅戏元宇宙

网易伏羲有灵众包平台获MUSE企业社会责任金奖

世界互联网大会发布2023互联网创新发展十大案例，网易无人装载机器人入选

引领数字空间发展，网易瑶台荣登2023新浪VR“巡礼之光”榜首

中国国际矿业大会圆满收官，网易伏羲工程机器人助力矿业绿色、智能发展！

CNCC2023网易伏羲承办分论坛圆满落幕，CCF-网易雷火联合基金指南正式发布！

网易瑶台是网易伏羲旗下沉浸式活动平台，致力于用人工智能和科技创新打造全新的线上活动模式。网易瑶台具备屏幕共享，PPT 嵌入式播放、实时翻译、视频畅聊、多个分会场自由切换等数十项活动功能，功能全面；用户只需在浏览器打开活动网址，输入参会码即可参会，打破了传统会议时间、空间上的局限，使用便捷；同时，网易瑶台为主办方提供了一站式活动管理功能，打通了活动报名、场地部署、会议控场、数据分析等活动管理全流程，满足主办方的多样化需求。

图像处理是计算机理解并对数字图像进行任务的过程。对于机器来说，图像处理是高度复杂的任务，需要强大的处理能力。本专题介绍图像处理算法、技术及应用，包含图像分割、图像特征提取、图像识别、图像匹配、数字图像、图像增强、图像变换等方面，基于人工智能AI技术的发展，图像处理的能力和应用也在不断地发生变化。

图像处理

生成对抗网络(GAN)由生成器和判别器组成的神经网络模型，生成器试图生成能够欺骗判别器，以假乱真的样本；判别器解析生成的样本，通过这种算法迭代训练，直至生成与目标类似甚至一样。

生成对抗网络

TensorFlow是一个由谷歌开发的开源机器学习框架，可用于构建各种人工智能应用程序。它采用了数据流图的概念，其中节点表示操作，边表示数据流。TensorFlow可以在多种平台上运行，包括CPU、GPU和TPU等，可以实现高效的并行计算。TensorFlow提供了广泛的内置函数和工具库，以帮助用户快速构建和训练深度神经网络。该框架还提供了Keras API，这是一个高级神经网络API，使用户能够更轻松地构建和训练神经网络。TensorFlow的应用范围非常广泛，包括图像识别、自然语言处理、语音识别、机器翻译和强化学习等领域。由于其灵活性、可扩展性和高效性，TensorFlow已成为最受欢迎的机器学习框架之一。

TensorFlow

Transformer是一种基于自注意力机制的神经网络架构，它在自然语言处理领域中表现出色。与传统的循环神经网络(RNN)和卷积神经网络(CNN)不同，Transformer并不利用序列的顺序信息，而是通过自注意力机制来计算每个单词与其他单词之间的相关性，并利用这些相关性来进行编码和解码。这种注意力机制可以捕捉任意两个单词之间的长距离依赖关系，从而提高了模型的性能和效率。Transformer的成功使其在机器翻译、文本生成、问答系统等多个NLP任务中都有广泛的应用。

Transformer

网易伏羲实验室汇集了众多来自国内外顶尖学府的高端人才，迄今已发表百余篇人工智能顶会论文，论文主题涵盖用户画像、强化学习、视觉计算、虚拟人、NLP、语音、音乐等方向。

学术论文

线性回归是一种用于预测连续数值型输出变量的常见机器学习模型。它基于输入变量与输出变量之间的线性关系进行建模，即假设输出变量可以通过输入变量的线性组合来预测。线性回归的目标是找到一个线性函数，最小化预测值与真实值之间的平均误差。
线性回归的原理基于最小二乘法，即通过最小化预测值与真实值之间的平均误差来拟合数据。误差可以用残差平方和来度量，即将每个样本的预测值与真实值之差平方后求和。线性回归的目标是找到最小化残差平方和的系数。在实际应用中，线性回归可以用于探索变量之间的关系、预测未来的趋势或行为，并进行决策。

线性回归

什么是B树，B树是在计算机科学中的一种数据结构，又叫自平衡树。除了B树外，还有B+树。常见的还有B-树，不过B-树并不是新的概念，B-树就是B树，B树原名B-tree，B+树是B树的变体。而这一系列的树结构可以针对数据进行查找、访问、插入和删除操作。

B树的概念

算法在人工智能领域代表着解决问题的标准策略。通过程序计算、分析、处理，进而完成人类遇到的难题。同一个问题可以使用多种算法来解决，而对于算法的评价主要从时间复杂度和空间复杂度来考虑的。

算法的概念

特征工程是指在机器学习和数据挖掘中对原始数据进行处理，以便于机器学习算法的训练和预测。特征工程是机器学习中非常重要的一环，可以直接影响模型的性能和效果。特征工程通过特征选择、提取、构建、缩放、编码等方式处理数据，以此来提高模型的性能和效果。

特征工程

深度学习是使用人工神经网络对大量数据执行复杂的计算，它是一种基于人脑结构和功能的机器学习。而深度学习算法几乎可以处理任何类型的数据，只需要大量的计算和信息就能解决复杂的问题。
主流的深度学习算法：卷积神经网络(CNN)、长短期记忆网络(LSTM)、递归神经网络(RNN)、生成对抗网络(GAN)、径向基函数网络(RBFN)、多层感知器(MLP)、自组织图(SOM)、深度信念网络(DBN)、受限玻尔兹曼机(RBM)、自动编码器。

深度学习

生成式对抗网络，又名Generative Adversarial Networks，简称GAN，是一种由深度学习算法构建的生成模型。GAN包含两个神经网络：生成器和判别器。生成器通过学习从随机噪声向量中生成逼真的图像，而判别器则学习从真实图像和生成器生成的图像中区分哪些是真实的图像，哪些是生成的图像。生成器和判别器之间进行迭代对抗，使得生成器能够生成更逼真的图像，而判别器则能够更准确地区分真实图像和生成的图像。通过不断迭代，生成器能够学习到如何生成更加逼真的图像，而判别器也能够学习到如何更准确地区分真实图像和生成的图像。GAN的应用非常广泛，包括图像生成、语音合成、自然语言生成等领域。

生成式对抗网络(GAN)

算法无论在人工智能或是机器学习领域都经常会被运用，而作为人工智能（AI）和机器学习（ML）最佳编程语言的Python也时常用于算法的实现，本专题整理了使用Python实现常见算法的内容。

Python实现算法

人工智能 (AI) 是指使用机器或程序模拟人类智能，这些机器被编程，像人类一样思考并模仿人类的行为。

人工智能

人工神经网络(ANN)是基于大脑功能的算法，用于对复杂模式和预测问题进行建模。人工神经网络(ANN)是一种深度学习方法，其概念源于试图复制人脑运作。人工神经网络(ANN)工作原理与生物神经网络极为相似，尽管它们并不完全相同。人工神经网络算法只接受数字和结构化数据。

人工神经网络的架构一共有三层：输入层、隐藏层、输出层，其中隐藏层不止一层。输入层将数据传输到其他层；隐藏层是人工神经网络的核心，大部分计算和处理都在隐藏层；输出层输出运算后得到的结果。

人工神经网络

元宇宙(Metaverse)是运用数字技术构建的，由现实世界映射或超越现实世界，可与现实世界交互的虚拟世界，具备新型社会体系的数字生活空间。

元宇宙

VR虚拟现实技术使用虚拟现实设备来生成逼真的图像、声音和其他知觉，使用虚拟现实设备的人能够环顾虚拟世界，在其中四处走动，并与虚拟特征或物品进行交互。

VR虚拟现实技术

贪心算法代指在每个阶段做出局部最优选择的算法。因此贪心算法是有局限的，并不全部适用所有情况。