OpenClaw Claude Code 插件开发笔记
项目地址：GitHub 一、为什么要做这个插件 通过 Slack（或其他消息渠道）远程控制本机的 Claude Code，实现： 在手机上给 bot 发消息就能分析代码、执行任务 不需要坐在电脑前打开终端 AI 助手（OpenClaw Agent）可以调用 Claude Code 来完成复杂的编码工
Notes from the in-between
在数学、计算与
想象力之间。
应用数学、Scientific Computing、Modeling，以及一些二次元和生活记录。
Latest writing
最近文章
Synergistic Information Distillation for Machine Learning
Synergistic Information Distillation (SID) 该算法通过 协同信息蒸馏 实现完全无反向传播的模块化训练，核心思想是将深度网络分解为多个独立优化的模块，每个模块通过局部目标函数逐步精炼”信念分布”。 网络架构 整体结构 变量说明 ： x : 输入数据（如图像）
Adaptive Spatial Goodness Encoding in Machine Learning
Adaptive Spatial Goodness Encoding 该算法结构模仿VGG的Block思想，提出了带有Adaptive Spatial Goodness Encoding的Block模块： Block Structure 输入X i为多通道矩阵数据(H, W, c) Convolut
Introduction to ResNet
算法部署 Residual Block 结构 ResNet的核心创新在于引入了 残差连接（Residual Connection） ，也称为 跳跃连接（Shortcut Connection） 。每个Residual Block的基本结构如下： 算法流程 数据流动过程： 1. 输入阶段 ：特征图 x
Convolutional Channel-wise Competitive Learning
卷积通道竞争学习 (CwC) 算法部署笔记 该算法通过 通道维度的竞争机制 实现完全无反向传播的卷积网络训练。其核心思想是将特征图划分为类别相关的通道组，通过最大化目标类别的激活强度来引导网络自主学习特征，摆脱了对全局梯度和负样本生成的依赖。 1. 算法部署框架 1.1 核心架构：CFSE Bloc
能量稳定梯度流方法在深度学习中的实证评估：理论承诺与实践挑战
1. 引言 (Introduction) 1.1 研究背景 深度学习已成为人工智能领域最重要的技术之一，在图像识别、自然语言处理、语音识别等众多领域取得了突破性进展。深度神经网络的训练本质上是一个高维非凸优化问题，其目标是最小化损失函数： \min {w \in \mathbb{R}^n} L(w)
浅谈岭回归与Armijo策略在梯度法中的表现
引言：岭回归及其闭式解 在实际的数据科学中，我们经常遇到病态（ill conditioned）的数据矩阵，即设计矩阵 \mathbf{X}^T\mathbf{X} 的条件数很大，导致最小二乘估计对噪声极其敏感。这种情况在高维数据、共线性特征或样本量不足时尤为常见。病态问题会导致模型参数估计不稳定、方
Introduction to GP Regression
Definition of Gaussian Process A Gaussian Process (GP) is a collection of random variables, any finite number of which have a joint Gaussian distribut
基于BS模型条件下的期权价格改变策略
BS模型基本假设 研究的背景为风险中性、无套利的欧市市场，因此我们有： C(X, S t, r {t,\tau}, \tau) = e^{ r {t,\tau}, \tau} \int 0^{\infty} \psi(S T, X)f(S T)dS T 其中， \tau = T t 为当前时间和交易
Tensorboard 部署测试
Tensorboard in Pytorch Introduction Tensorboard是一个用于机器学习实验的可视化工具包。TensorBoard允许跟踪和可视化指标，如损失和准确性，可视化模型图，查看直方图，显示图像等，本文介绍pytorch架构下使用Tensor Board。核心原理是使