《Neural

《动手学深度学习(PyTorch版)》笔记3.4

Chapter3LinearNeuralNetworks3.4SoftmaxRegression3.4.1ClassificationProblems一般的分类问题并不与类别之间的自然顺序有关，统计学家发明了一种表示分类数据的简单方法
南七澄江·2024-01-26 09:42

ICLR 2021 NAS 相关论文(包含WORKSHOP)

ICLR2021WORKSHOP接收MeasuringUncertaintythroughBayesianLearningofDeepNeuralNetworkStructureZhijieDeng,YucenLuoandJunZhuPDFAutoHAS
pprpp·2024-01-26 09:36

【陈工笔记】SNN（Spiking Neural Network）的理解

（不足之处较多，望包涵。用于自学，帮助理解。）1、LIFNode在网络架构中的简单应用例子#定义并初始化网络net=nn.Sequential(nn.Flatten(),nn.Linear(28*28,14*14,bias=False),#这里不加bias应该是偏置在SNN中不好表示neuron.LIFNode(tau=tau),nn.Linear(14*14,10,bias=False),neu
我看到你啦滴·2024-01-25 22:03

Redis面试题32

深度学习的核心概念是深度神经网络（DeepNeuralNetworks，DNNs）。
CrazyMax_zh·2024-01-25 19:21

38、FB-tCNN:基于时域的EEG信号神经网络分析模型[你也听说过我的故事?]

本文由清华大学计算机科学与技术系于2021年12月22日发表于IEEETransactionsonNeuralSystemsandRehabilitationEngineering期刊，标题为：“FilterBankConvolutionalNeuralNetworkforShortTime-WindowSteady-StateVisualEvokedPotentialClassification
是馒头阿·2024-01-25 18:35

基于图神经网络的对抗攻击防御 GNNGUARD: Defending Graph Neural Networks against Adversarial Attacks

参考资料项目：https://zitniklab.hms.harvard.edu/projects/GNNGuard/代码：https://github.com/mims-harvard/GNNGuardpaper：https://arxiv.org/abs/2006.08149poster：https://zitniklab.hms.harvard.edu/publications/poster
苏打呀·2024-01-25 16:35

后门防御阅读笔记，GangSweep: Sweep out Neural Backdoors by GAN

论文标题：GangSweep:SweepoutNeuralBackdoorsbyGAN论文单位：OldDominionUniversity,Norfolk,VA,USA论文作者：LiuwanZhu,RuiNing
wujiekd·2024-01-25 16:34

NERF++: ANALYZING AND IMPROVING NEURAL RADIANCE FIELDS分析和改进神经辐射场

目录NERF++:ANALYZINGANDIMPROVINGNEURALRADIANCEFIELDS分析和改进神经辐射场ABSTRACT1INTRODUCTION2PRELIMINARIES3SHAPE-RADIANCEAMBIGUITY
ysh9888·2024-01-25 14:31

Nerf-Wild神经辐射场论文学习笔记 Neural Radiance Fields for Unconstrained Photo Collections

前言：本文为记录自己在Nerf学习道路的一些笔记，包括对论文以及其代码的思考内容。公众号：AI知识物语B站后续同步更新讲解本篇文章主要针对其数学公式来学习其内容，欢迎批评指正！！！（代码下篇出）1：摘要提出基于学习（learning-based）方法，使用野外照片的非结构化集合（unstructuredcollectionsofin-the-wildphotographs）来合成复杂场景。之前的N
出门吃三碗饭·2024-01-25 14:01

【NeRF】了解学习Neural Radiance Fields（神经辐射场）

文章目录Definitionoffield（场的定义）shaperepresentations（各种形状表征方式）ExplicitsurfacesandimplicitsurfacesRadianceField(ImplicitSurfaces)体素密度DefinitionofRendering（渲染的定义）SphereTracing（球追踪技术）Volumnrender（体渲染）1.基本要素：2
UnderTurrets·2024-01-25 14:26

35、HAM:超强性能的深度卷积神经网络混合注意力模型[五档上坡第一人！]

论文地址：HAM:Hybridattentionmoduleindeepconvolutionalneuralnetworksforimageclassif
是馒头阿·2024-01-25 09:01

《动手学深度学习(PyTorch版)》笔记3

Chapter3LinearNeuralNetworks3.1LinearRegression3.1.1BasicConcepts我们通常使用nnn来表示数据集中的样本数。
南七澄江·2024-01-25 08:31

BIGVGAN: A UNIVERSAL NEURAL VOCODER WITHLARGE-SCALE TRAINING——TTS论文阅读

https://flowus.cn/share/a16a61b3-fcd0-4e0e-be5a-22ba641c6792【FlowUs息流】Bigvgan论文地址：BigVGAN:AUniversalNeuralVocoderwithLarge-ScaleTrainingAbstract
pied_piperG·2024-01-25 08:14

[学习笔记] ONNX 基础知识

1.ONNX简介1.1什么是ONNX开放神经网络交换ONNX（OpenNeuralNetworkExchange）是一套表示深度神经网络模型的开放格式，由微软和Facebook于2017推出，然后迅速得到了各大厂商和框架的支持
Le0v1n·2024-01-25 01:54

[Machine Learning] 6 神经网络：表述(Neural Networks: Representation)

点Ta6NeuralNetworks:Representation(神经网络：表述)6.1Non-linearhypotheses(非线性假设)6.2ModelRepresentation(模型表示)6.3Multi-classClassification
今天你DEBUG了吗·2024-01-24 08:34

神经网络（Neural Networks：Representation）

目录非线性假设神经元与大脑模型展示例子与直觉理解多元分类非线性假设假如有一个监督学习分类问题它的训练集如图所示：如果使用logistc分类方法（逻辑回归），我们可以构造一个包含很多非线性项的logistc回归函数，当多项式（例如图中特征x1，x2任意组合）足够多时，那么就可能分类成功。当我们需要输入的特征量n很大时：如果多项式只包含二次项，那么会产生大量的二次项；如果只包含其中的平方项，那么会因为
TQ2·2024-01-24 08:03

【Machine Learning】8 神经网络：表述（Neural Networks:Representation）

8.1非线性假设（Non-linearhypotheses）在非线性的多项式中，特征数变多，特征耦合产生的项数目庞大，普通的逻辑回归根本无法处理此类问题。8.2神经元和大脑（Neuronsandthebrain）大脑学习的方法与计算机的算法8.3模型表示I（ModelrepresentationI）神经网络示意如上图。神经网络基本结构及其详解。8.4模型表示II（Modelrepresentati
xzen·2024-01-24 08:32

测验：Neural Networks: Representation（week4）

A：XOR两层是不行的B：sigmoid函数的输出值范围是0~1C：二分类问题可用神经网络来表示D：也有可能是0分析权重，发现只有在x1,x2同时为1的情况下输出才是1，可知是AND函数4.5.第一个矩阵中第一第二行换了位置，可视为Layer2中除了+1外的两个结点换了位置，第二个矩阵第二第三列换了位置，可视为两条表示权重的线换了位置（图上标了出来）,这样子跟原来表示的一样，输出的结果也是一样的
僵尸吃了Dave的脑子·2024-01-24 08:32

机器学习教程之5-神经网络：表述(Neural Networks:Representation)

1.非线性假设假设我们希望训练一个模型来识别视觉对象（例如识别一张图片上是否是一辆汽车），我们怎样才能这么做呢？一种方法是我们利用很多汽车的图片和很多非汽车的图片，然后利用这些图片上一个个像素的值（饱和度或亮度）来作为特征。显然用线性回归或逻辑回归都是不可取的，因为将一幅图上的所有点作为特征，特征数太多，计算量太大。无论是线性回归还是逻辑回归都有这样一个缺点，即：当特征太多时，计算的负荷会非常大。
豆-Metcalf·2024-01-24 08:01

CliqueNet:Convolutional Neural Networks with Alternately Updated Clique详解

ConvolutionalNeuralNetworkswithAlternatelyUpdatedClique是2018年北大团队在CVPR上发表的，这是继DenseNet之后又一密集网络。
月亮是蓝色·2024-01-24 08:58

吴恩达【深度学习】笔记03——深层神经网络（Deep Neural Networks）

文章目录一、深层神经网络（DeepL-layerneuralnetwork）二、前向传播和反向传播（Forwardandbackwardpropagation）1.Forwardpropagation2
无糖馥芮白·2024-01-24 08:57

论文浅尝 | GMNN: Graph Markov Neural Networks

论文笔记整理：吴锐，东南大学硕士研究生，研究方向为自然语言处理来源：ICML2019链接：http://proceedings.mlr.press/v97/qu19a/qu19a.pdf问题定义弱监督下的在关系数据中的对象分类。形式化地来说，给定一个图G，图上有结点V表示一系列对象，在对象间存在有一系列边E，且每个结点都有对应的属性XV。当前已知部分结点L的标签，目的是推测出剩余结点U的标签值。相
开放知识图谱·2024-01-24 08:57

神经网络的学习(Neural Networks: Learning)

1.代价函数案例：假设神经网络的训练样本有个，每个包含一组输入和一组输出信号，表示神经网络层数，表示每层的neuron个数(表示输出层神经元个数)，代表最后一层中处理单元的个数。将神经网络的分类定义为两种情况：二类分类和多类分类，二类分类：=0,=01表示哪一类；类分类：=,=1表示分到第i类；(>2)看起来复杂很多的代价函数背后的思想还是一样的，我们希望通过代价函数来观察算法预测的结果与真实情况
清☆茶·2024-01-24 08:56

神经网络：表述(Neural Networks: Representation)

1.非线性假设无论是线性回归还是逻辑回归，当特征太多时，计算的负荷会非常大。案例：假设我们有非常多的特征，例如大于100个变量，我们希望用这100个特征来构建一个非线性的多项式模型，结果将是数量非常惊人的特征组合，即便我们只采用两两特征的组合(12+13+14+...+23+24+...+99100)，我们也会有接近5000个组合而成的特征。这对于一般的逻辑回归来说需要计算的特征太多了。假使我们采
清☆茶·2024-01-24 08:55

【NeRF】NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis论文阅读

文章目录简介创新点神经辐射场场景表示（NeuralRadianceFieldSceneRepresentation）带有辐射场的体渲染（VolumeRenderingwithRadianceFields
气派飞鹰·2024-01-24 04:44

【NeRF】Point-NeRF：Point-NeRF: Point-based Neural Radiance Fields阅读记录

文章目录个人理解摘要简介基于点的NeRF表示体渲染和辐射场（Volumerenderingandradiancefields）基于点的辐射场（Point-basedradiancefield）逐点处理（Per-pointprocessing）视点相关的辐射率回归（View-dependentradianceregression）密度回归(Densityregression)基于点的神经辐射场重建（
气派飞鹰·2024-01-24 04:44

TensorFlow框架(6)之RNN循环神经网络详解

1.RNN循环神经网络1.1结构循环神经网络（recurrentneuralnetwork，RNN）源自于1982年由SarathaSathasivam提出的霍普菲尔德网络。
AI小白龙*·2024-01-23 15:06

2024.1.21周报

题目二、摘要三、Introduction四、模型一、连续时间模型二、离散时间模型五、结论二、实验代码Navier–Stokesequation总结摘要本周我阅读了一篇题目为Physics-informedneuralnetworks
Nyctophiliaa·2024-01-23 14:08

行业新动态

2018-7-20[1703.01008]End-to-EndTask-CompletionNeuralDialogueSystems
菜鸟瞎编·2024-01-23 12:09

推荐系统行为序列建模-GRU4Rec

2.1SESSION-PARALLELMINI-BATCHES2.2SAMPLINGONTHEOUTPUT3.Loss《SESSION-BASEDRECOMMENDATIONSWITHRECURRENTNEURALNETWORKS
GelaBute·2024-01-23 09:30

NOIP2003提高组T1：神经网络

题目链接[NOIP2003提高组]神经网络题目背景人工神经网络（ArtificialNeuralNetwork）是一种新兴的具有自我学习能力的计算系统，在模式识别、函数逼近及贷款风险评估等诸多领域有广泛的应用
少儿编程乔老师·2024-01-23 06:09

AI通用大模型 —— Pathways，MoE, etc.

文章目录Pathways现有AI缺憾PathwaysCanDoMultipleTasksMultipleSensesSparseandEfficientMixtureofExperts（MoE）NeuralComputation
人生简洁之道·2024-01-23 04:29

【AI】深度学习在编码中的应用（11）

——隐式神经表示隐式神经表示（ImplicitNeuralRepresentations,INR）是近年来在深度学习和计算机视觉领域中涌现的一种技术。
giszz·2024-01-23 00:37

图神经网络 Graph Neural Networks:Foundations, Frontiers, Applications &基于 node2vec 的电影推荐实验

目录0.概念1.引言（1）图神经网络概述（2）图嵌入（3）图神经网络类型（4）图神经网络典型应用2.图嵌入：基于图结构的表示学习（1）node2vec原理3.工具包node2vec的使用4.案例：基于node2vec的电影推荐5.总结0.概念Graphsareagenerallanguagefordescribingandmodelingcomplexsystems.图形结构化数据无处不在：Soc
海阔＆天空742·2024-01-23 00:56

【深度视觉】第二章：卷积网络的数据

本系列我们开始讲卷积神经网络CNN,ConvolutionalNeuralNetworks。
宝贝儿好·2024-01-22 22:29

IDCNN（迭代扩张卷积神经网络）在NLP-NER任务中的应用

IDCNN（迭代扩张卷积神经网络）在NLP-NER任务中的应用IDCNN（IteratedDilatedConvolutionalNeuralNetwork）是一种特别设计的卷积神经网络（CNN），用于处理自然语言处理
sagima_sdu·2024-01-22 16:16

AIGC实战——像素卷积神经网络(PixelCNN)

PixelCNN工作原理1.1掩码卷积层1.2残差块2.训练PixelCNN3.PixelCNN分析4.使用混合分布改进PixelCNN小结系列链接0.前言像素卷积神经网络(PixelConvolutionalNeuralNetwork
盼小辉丶·2024-01-22 15:47

Class1 Assignment4

DeepNeuralNetworkforImageClassification1-Two-layerneuralnetworkQuestion:Usethehelperfunctionsyouhaveimplementedinthepreviousassignmenttobuilda2
寒露lu·2024-01-22 12:15

论文精读--ResNet

ResNet论文撑起计算机视觉半边天的ResNet【论文精读】_哔哩哔哩_bilibiliAbstractDeeperneuralnetworksaremoredifficulttotrain.Wepresentaresiduallearningframeworktoeasethetrainingofnetworksthataresubstantiallydeeperthanthoseusedpr
__如果·2024-01-22 05:29

Improving Deep Neural Network学习笔记

参数调整、正则化、优化1超参数2方差、偏差3正则化4归一化输入5Mini-batch梯度下降算法6Adam优化算法本周学习了深度学习（吴恩达老师的课程）中，提升深度神经网络的一些方法，包括超参数的调整、正则化以及优化算法，明白了网络优化的一些思路以及优化的原理。1超参数在学习率、梯度下降的循环次数（iteration）、隐藏层数目（L）、隐藏层神经元个数、激活函数、momentum、batchsi
佳雨初林·2024-01-21 17:42

16.7 基于递归神经网络的分层多楼多层室内定位

文献来源：西交利物浦大学ElesawiAEA,KimKS.Hierarchicalmulti-buildingandmulti-floorindoorlocalizationbasedonrecurrentneuralnetworks
weixin_42963026·2024-01-21 13:25

循环神经网络的变体模型-LSTM、GRU

一.LSTM（长短时记忆网络）1.1基本介绍长短时记忆网络（LongShort-TermMemory，LSTM）是一种深度学习模型，属于循环神经网络（RecurrentNeuralNetwork，RNN
Algorithm_Engineer_·2024-01-21 13:52

深度学习引领信息检索革新：从传统方法到神经网络信息检索的探索

平均倒数排名）3.2MAP（平均精度均值）3.3NDCG（归一化的损失增益）4传统方法在信息检索中的挑战4.1同义词和多样性4.2缺乏语境理解4.3高匹配度与信息需求不符4.4限制了个性化和上下文感知5NeuralIR
cooldream2009·2024-01-21 12:10

深度学习技术栈 —— 用Pytorch搭建神经网络识别数字(Kaggle实战)

深度学习技术栈——用Pytorch搭建神经网络识别数字（Kaggle实战）一、项目信息1.1参考文章二、搭建过程2.1逻辑回归2.2ArtificialNeuralNetwork(ANN)2.3ConvolutionalNeuralNetwork
键盘国治理专家·2024-01-21 12:09

从规则到神经网络：机器翻译技术的演化之路

机器翻译的核心技术1.规则基础的机器翻译（Rule-BasedMachineTranslation,RBMT）2.统计机器翻译（StatisticalMachineTranslation,SMT）3.神经机器翻译（NeuralMachineTranslation
星川皆无恙·2024-01-21 09:37

3D convolutional neural networks for tumor segmentation using long-range 2D context

论文：ComputerizedMedicalImagingandGraphics2019数据集：BraTS20171.Introduction胶质瘤是最常见的原发性脑肿瘤，约占恶性脑肿瘤的80%。它们起源于大脑或脊柱的胶质细胞，可根据细胞类型、等级和位置进行分类。高等级胶质瘤（III级和IV级）与特别差的预后有关：被诊断为多形性胶质瘤的病人在治疗中平均存活12-14个月。医学影像，如MRI，被用于
zelda2333·2024-01-21 07:20

深度学习入门——卷积神经网络CNN基本原理+实战

CNN基本结构卷积神经网络（ConvolutionalNeuralNetwork,CNN）是深度学习技术中最基础的网络结构，模拟人脑工作，具备强大的特征学习能力。
AI小白龙*·2024-01-21 07:18

Python中的卷积神经网络（CNN）入门

卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类特别适用于处理图像数据的深度学习模型。
AI小白龙*·2024-01-21 07:48

深度学习(3)--递归神经网络(RNN)和词向量模型Word2Vec

一.递归神经网络基础概念递归神经网络(RecursiveNeuralNetwork,RNN)可以解决有时间序列的问题，处理诸如树、图这样的递归结构。
GodFishhh·2024-01-21 07:46

Perceptron

概括Perceptron学习算法是1957年由Rosenblatt提出的分类算法，是SVM和NeuralNetwork的基础。
BigPeter·2024-01-21 00:53
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他