1月19日到25日任务

# 前言
虽然今天是19日，但是依旧不妨碍我们对上周的任务进行一个总结，以及给出这周的任务和目标

# 对上周的总结：
### 好的地方
1. 学粤语的任务每天都严格执行了
2. 学了一手ps，完成了从一个照片，到ps画结构图，给ai生图的全过程
![image.png](https://tuchuang-yxjxxr.oss-cn-beijing.aliyuncs.com/undefinedd42394dc93eb314b23970cfa8bec57d8.image.png)



![langlanglangliang_Anime-style_poster._A_golden_hamster_is_energ_20f0986a-1724-441c-b714-978373b7c0b5.png](https://tuchuang-yxjxxr.oss-cn-beijing.aliyuncs.com/undefined06b390bb234ae8d788efc951313a9a45.langlanglangliang_Anime-style_poster._A_golden_hamster_is_energ_20f0986a-1724-441c-b714-978373b7c0b5.png)

![langlanglangliang_Anime-style_poster._A_golden_hamster_is_energ_7828d047-2055-4099-a13f-c595b5ba1a46.png](https://tuchuang-yxjxxr.oss-cn-beijing.aliyuncs.com/undefined350370dd36f8855ef710ce1132498f1c.langlanglangliang_Anime-style_poster._A_golden_hamster_is_energ_7828d047-2055-4099-a13f-c595b5ba1a46.png)

3. 通过aigc的学习，了解了很多的ai相关的工具
4. 学习了hello-agents的前3章，了解了agents就是一个具备思考能力，能够感知环境进行决策并且执行决策的工具
### 不好的地方
1. 一周就跑了一次4公里，打了一次球，运动量太少了，没有完成计划要求，这周希望改进
2. 上周基本都是直接睡到12点，原因都是昨晚熬夜到很晚，这周一定要改进，12点准时躺在床上睡觉，然后争取7点起床
3. 力扣周赛的表现看出来，我的代码能力变差了，这周就要多写代码，找回感觉
4. 学英语的任务没进行过，这周一定要坚决执行

# 这周的任务
1. 剪辑一个《热恋冰淇淋》bgm的无畏契约的歌曲
2. 把上周周赛的题目补全
3. 找kaggle上面的比赛，学习一下里面的代码，最好逐行写
4. 逐行写，复刻神经网络的代码
5. 逐行写，复刻transformer的代码
6. 将aigc的课程的作业都认真完成
7. 日常学英语粤语
8. 读论文，学习基本思路

1月18日周结

ai小说

# 了解论文评价体系
目前的论文评价体系分为国外和国内的
### 国外的
像SCI和EI都是数据库，用来收录各种期刊的，这些期刊会CCF(中国计算机学会)和CACR（中国密码学会）被分为ABC三类，A类表示顶刊，B类表示国际著名，C类表示国际重要
### 国内的
国内的主要期刊主要看中国核心期刊。就是当这个期刊带有北大核心或者南大核心等标签，代表其是一个核心期刊，比较权威。
### JCR1区2区是什么意思？
JCR 1 区和 2 区是科睿唯安（Clarivate）旗下《期刊引证报告》（Journal Citation Reports, JCR）对 SCI/EI 收录期刊的学术质量分级，核心是基于期刊在所属学科领域内的相对影响力来划分的。  
总的来说就是将当年的SCI/EI收录的期刊里面按照影响因子从高到低进行排序，然后按照百分之25将这些期刊分为4个区间。  
JCR1区2区就代表高影响力，高质量期刊

# 会议
和期刊一样，也分为ABC会，依次为（国际顶级会议）（国际重要会议）（为学术界认可的会议）

![image.png](https://tuchuang-yxjxxr.oss-cn-beijing.aliyuncs.com/undefineda4d602ccd935a09d554a60c35dc45286.image.png)、


# 空间数据挖掘
### 空间数据挖掘到底要研究解决什么问题
1. 揭示空间关联关系：挖掘不同地理要素在空间上的依赖或共生关系（如 “商超与餐厅在 1km 内高频共存”“工业污染与某类疾病的空间关联性”）。
2. 发现空间分布模式：识别地理要素的密度分布（如城市热点区域）、集聚模式（如产业集群）、分散规律（如农村医疗设施分布）等。
3. 挖掘时空演化规律：分析地理现象随时间的空间变化（如城市扩张轨迹、农田土壤质量时序变化、污染扩散路径）。
4. 识别空间异常现象：检测偏离正常空间模式的异常（如突发环境污染点、异常聚集的犯罪事件、不符合规划的设施布局）。
5. 支撑空间决策优化：为选址（如医院、商超）、资源配置（如救灾物资调度）、风险管控（如危险废物处置）提供数据支撑。

# 小知识点
1. POI（point of interest）,一般来说是获取兴趣点的地理位置信息

## 26日总结
1. 找的论文质量参差不齐，大多数都是挖掘空间关联关系的，在论文当中根据挖掘的方法来提出创新点，但是离我想找的论文还有很大的距离，所以要接着继续找论文

## 31日
1. 区域同位模式挖掘 (RCPM, regional co-location pattern mining)

## 1日

![image.png](https://tuchuang-yxjxxr.oss-cn-beijing.aliyuncs.com/undefined02529d6dcae734423a417c59eff0c423.image.png)

地理的分析核心是来源于所谓的空间统计学，空间统计学有四个最基本的概念：空间概率、概率密度、不确定性和统计推断
https://blog.csdn.net/YWP_2016/article/details/121302863

## 3日
### 全连接算法


![image.png](https://tuchuang-yxjxxr.oss-cn-beijing.aliyuncs.com/undefinedd5f64de71ad968627d712a65d76e37ab.image.png)


![image.png](https://tuchuang-yxjxxr.oss-cn-beijing.aliyuncs.com/undefined7f4b73985f1ecdf6e3b841e2c343e3be.image.png)

**表实例 = 某个 co-location 模式的所有行实例的集合**

发论文的学习记录

# 前言
学习GitHub上面hello agents的教程，我决定在这篇blog做一些这方面的笔记


# 第一章
### 什么是智能体
在人工智能领域，智能体被定义为任何能够通过传感器（Sensors）感知其所处环境（Environment），并自主地通过执行器（Actuators）采取行动（Action）以达成特定目标的实体。
### 传统智能体与现代智能体

![image.png](https://tuchuang-yxjxxr.oss-cn-beijing.aliyuncs.com/undefineda1c6ea2547a07ee19723f1a3e213aacd.image.png)

### AI的分类

![image.png](https://tuchuang-yxjxxr.oss-cn-beijing.aliyuncs.com/undefinedb25e8447a3f5e49045054f9696fc3f8c.image.png)
### 智能体运行机制

![image.png](https://tuchuang-yxjxxr.oss-cn-beijing.aliyuncs.com/undefined918b9d8872d0c0404255acb67cc7ba66.image.png)
这个循环主要包含以下几个相互关联的阶段：

1. 感知 (Perception)：这是循环的起点。智能体通过其传感器（例如，API 的监听端口、用户输入接口）接收来自环境的输入信息。这些信息，即观察 (Observation)，既可以是用户的初始指令，也可以是上一步行动所导致的环境状态变化反馈。
2. 思考 (Thought)：接收到观察信息后，智能体进入其核心决策阶段。对于 LLM 智能体而言，这通常是由大语言模型驱动的内部推理过程。如图所示，“思考”阶段可进一步细分为两个关键环节：
    1. 规划 (Planning)：智能体基于当前的观察和其内部记忆，更新对任务和环境的理解，并制定或调整一个行动计划。这可能涉及将复杂目标分解为一系列更具体的子任务。
    2. 工具选择 (Tool Selection)：根据当前计划，智能体从其可用的工具库中，选择最适合执行下一步骤的工具，并确定调用该工具所需的具体参数。
3. 行动 (Action)：决策完成后，智能体通过其执行器（Actuators）执行具体的行动。这通常表现为调用一个选定的工具（如代码解释器、搜索引擎 API），从而对环境施加影响，意图改变环境的状态。  
行动并非循环的终点。智能体的行动会引起环境 (Environment) 的状态变化 (State Change)，环境随即会产生一个新的观察 (Observation) 作为结果反馈。这个新的观察又会在下一轮循环中被智能体的感知系统捕获，形成一个持续的“感知-思考-行动-观察”的闭环。智能体正是通过不断重复这一循环，逐步推进任务，从初始状态向目标状态演进。
### 智能体的感知和行动
为了让智能体严格的执行上面的循环，我们需要一套明确的交互协议 (Interaction Protocol) 来规范其与环境之间的信息交换。
这个结构通常包含两个核心部分：

- Thought (思考)：这是智能体内部决策的“快照”。它以自然语言形式阐述了智能体如何分析当前情境、回顾上一步的观察结果、进行自我反思与问题分解，并最终规划出下一步的具体行动。
- Action (行动)：这是智能体基于思考后，决定对环境施加的具体操作，通常以函数调用的形式表示。
- Observation（观察）： 扮演传感器的角色，将原始输出处理并封装成一段简洁、清晰的自然语言文本。
### 构建一个简单的智能体


# 第二章
### 符号系统
1. SHRDLU的历史地位与影响主要体现在三个方面：

+ 综合性智能的典范：在SHRDLU之前，AI研究大多聚焦于单一功能。它首次将语言理解、推理规划与行动记忆等多个AI模块集成于统一系统，其“感知-思考-行动”的闭环设计，奠定了现代智能体研究的基础。
+ 微观世界研究方法的普及：它的成功证明了在一个规则明确的简化环境中，探索和验证复杂智能体基本原理的可行性，这一方法深刻影响了后续的机器人学与AI规划研究。
+ 引发的乐观与反思：SHRDLU的成功激发了对AGI的早期乐观预期，但其能力又严格局限于积木世界。这种局限性引发了AI领域关于“符号处理”与“真正理解”之间差异的长期思辨，揭示了通往通用智能的深层挑战。
2. 符号系统的缺陷：

+ 常识知识与知识获取瓶颈
+ 框架问题与系统脆弱性

### 联结主义
联结主义是一种自下而上的方法，其灵感来源于对生物大脑神经网络结构的模仿。它的核心思想可以概括为以下几点

1. 知识的分布式表示：知识并非以明确的符号或规则形式存储在某个知识库中，而是以连接权重的形式，分布式地存储在大量简单的处理单元（即人工神经元）的连接之间。整个网络的连接模式本身就构成了知识。
2. 简单的处理单元：每个神经元只执行非常简单的计算，如接收来自其他神经元的加权输入，通过一个激活函数进行处理，然后将结果输出给下一个神经元。
3. 通过学习调整权重：系统的智能并非来自于设计者预先编写的复杂程序，而是来自于“学习”过程。系统通过接触大量样本，根据某种学习算法（如反向传播算法）自动、迭代地调整神经元之间的连接权重，从而使得整个网络的输出逐渐接近期望的目标。


![image.png](https://tuchuang-yxjxxr.oss-cn-beijing.aliyuncs.com/undefined1f651b88d6f401399901a037d5fc45c6.image.png)


# 第四章


![279bb8de3af01913dc9ceca2dab0152b.png](https://tuchuang-yxjxxr.oss-cn-beijing.aliyuncs.com/undefined26b00ea5e44d9f4a66c183d19b3ac69e.279bb8de3af01913dc9ceca2dab0152b.png)

# 第六章

![image.png](https://tuchuang-yxjxxr.oss-cn-beijing.aliyuncs.com/undefined320c9e3b16a17f0296974ff7943acab9.image.png)

# 第七章

![image.png](https://tuchuang-yxjxxr.oss-cn-beijing.aliyuncs.com/undefinedbdb7d513eb1cf0cabda43c5d264750fa.image.png)