卷积网络

AI驱动的电路仿真革命：从物理模型到智能学习的范式转移

一、AI电路仿真的数学基础1.1图神经网络建模电路拓扑电路可抽象为图结构G=(V,E)G=(V,E)G=(V,E)：VVV：节点（电子元件）EEE：边（连接关系）图卷积网络(GCN)更新公式：H(l+1

·2025-07-22 01:36

目标检测YOLO实战应用案例100讲-基于深度学习的自动驾驶目标检测算法研究（续）

目录基于双蓝图卷积的轻量化自动驾驶目标检测算法5.1引言5.2DarkNet53网络冗余性分析5.3双蓝图卷积网络5.4实验结果及分析基于深度学习的自动驾驶目标检测算法研究与应用传统的目标检测算法目标检测基线算法性能对比与选择相关理论和算法基础

林聪木·2025-07-10 07:58

Python机器学习与深度学习：决策树、随机森林、XGBoost与LightGBM、迁移学习、循环神经网络、长短时记忆网络、时间卷积网络、自编码器、生成对抗网络、YOLO目标检测等

论文撰写等方面的实际应用技巧②深入理解深度学习与经典机器学习算法的关联与差异，掌握其理论基础③熟练运用PyTorch实现各类深度学习模型，包括迁移学习、循环神经网络（RNN）、长短时记忆网络（LSTM）、时间卷积网络

WangYan2022·2025-07-08 21:14

TensorFlow图神经网络(GNN)入门指南

TensorFlow图神经网络(GNN)入门指南关键词：TensorFlow、图神经网络、GNN、深度学习、图数据、节点嵌入、图卷积网络摘要：本文全面介绍如何使用TensorFlow实现图神经网络(GNN

AI天才研究院·2025-07-08 05:23

从0开始学习计算机视觉--Day04--线性分类

从宏观来看，卷积网络可以看做是由一个个不同的神经网络组件组合而成，就像积木一样通过不同类型的组件搭建形成，其中线性分类器是一个很重要的组件，在很多卷积网络中都有用到，所以了解清楚它的工作原理对我们后续的学习会有很大的帮助

Chef_Chen·2025-06-27 22:29

DCRNN模型复现报告

DCRNN是一种用于交通预测的深度学习模型，结合了图卷积网络和循环神经网络，能够有效处理交通网络中的时空依赖关系。1.1DCRNN模型特点扩散卷积层：将空

神经网络15044·2025-06-24 09:06

28 - ShuffleAttention模块

论文《SA-NET:SHUFFLEATTENTIONFORDEEPCONVOLUTIONALNEURALNETWORKS》1、作用SA模块主要用于增强深度卷积网络在处理图像分类、对象检测和实例分割等任务时的性能

Leo Chaw·2025-06-15 22:47

图卷积网络：从理论到实践

图卷积网络（GraphConvolutionalNetworks,GCNs）彻底改变了基于图的机器学习领域，使得深度学习能够应用于非欧几里得结构，如社交网络、引文网络和分子结构。

Morpheon·2025-06-12 20:52

【Block总结】DCAFE，并行双坐标注意力机制，增强长程依赖与抗噪性|即插即用

Integratingdualcoordinateattentionwithadaptivekernelbasedconvolutionnetworkformedicinalfloweridentification中文标题：Flora-NET：集成双坐标注意力机制与自适应内核的药用花卉识别卷积网络链接

AI浩·2025-06-10 06:06

规范化信息抽取：原理流程与Python实战

引言二、信息抽取系统架构与流程2.1总体架构2.2主要组件三、核心算法与模型原理3.1命名实体识别（NER）3.1.1序列标注模型（BiLSTM-CRF）3.2关系抽取（RE）3.2.1基于依存路径的卷积网络

闲人编程·2025-06-04 13:40

CNN卷积网络：让计算机拥有“火眼金睛“（superior哥AI系列第4期）

CNN卷积网络：让计算机拥有"火眼金睛"（superior哥AI系列第4期）嗨！各位AI探索者们！上期我们搞懂了神经网络的基本原理，今天要进入一个更激动人心的领域——计算机视觉！️

superior tigre·2025-06-02 21:42

深度学习模型：技术演进、热点突破与未来图景

第一章深度学习模型的技术演进1.1从感知机到深度神经网络里程碑突破：AlexNet在ImageNet竞赛中实现图像分类性能飞跃，首次验证深度卷积网络（CNN）的潜力。

accurater·2025-05-31 12:28

【论文翻译】目标检测Fast R-CNN论文翻译

FastR-CNN摘要本文提出了一种快速的，基于区域的卷积网络方法（FastR-CNN）用于目标检测.FastR-CNN建立在前人的工作上使用深层卷积网络。来有效分类候选目标。

Ziko_AI·2025-05-31 11:24

[特殊字符] 基于深度强化学习的机器人路径规划优化方案：从理论到实战

摘要本文提出一种融合深度确定性策略梯度（DDPG）与图卷积网络（GCN）的混合架构，针对高动态环境下移动机器人路径规划问题展开研究。

2506_92092175·2025-05-29 13:49

基于Python的全卷积网络（FCN）实现路径损耗预测

以下是一份详细的基于Python的全卷积网络（FCN）实现路径损耗预测的技术文档。本方案包含理论基础、数据生成、模型构建、训练优化及可视化分析，代码实现约6000字。

pk_xz123456·2025-05-25 23:43

对抗的深度卷积生成网络来学习无监督表示

摘要近年来，计算机视觉应用中使用卷积网络的监督学习被广泛采用。相比之下，无监督学习受到更少关注。本文帮助缩小有监督学习与无监督学习

灰巧克力爱松露·2025-05-24 01:09

【时空图神经网络 & 交通】相关模型2：STSGCN | 时空同步图卷积网络 | 空间相关性，时间相关性，空间-时间异质性

注：仅学习使用~前情提要：【时空图神经网络&交通】相关模型1：STGCN|完全卷积结构，高效的图卷积近似，瓶颈策略|时间门控卷积层：GLU（GatedLinearUnit），一种特殊的非线性门控单元目录STSGCN-2020年1.1背景1.2模型1.2.1问题背景：现有模型存在的问题1.2.2模型1.3问答Q1：STSGCM补充：构造局部时空图的方式（LocalizedSpatial-Tempor

追光者♂·2025-05-22 05:47

CNN、RNN、Transformer对于长距离依赖的捕捉能力分析

卷积网络CNN主要依靠深度来捕捉长距离依赖。但这个过程太间接了，因为信息在网络中实际传播了太多层。究竟哪些信息被保留，哪些被丢弃了，弄不清楚。从实践经验来看，卷积网络捕捉长依赖的能力非常弱。

非自律懒癌患者·2025-05-22 01:49

计算机视觉与深度学习｜ Matlab实现INFO-BiTCN-SVM向量加权优化算法优化双向时间卷积神经网络结合支持向量机时间序列预测，含优化前后对比（Matlab完整源码和数据）

以下是一个基于Matlab2023b实现的INFO-BiTCN-SVM时间序列预测系统的完整代码框架，包含智能优化算法、双向时间卷积网络与支持向量机的混合模型以及多指标评估体系。

单北斗SLAMer·2025-05-20 20:42

多模态情感分析论文整理（2021-2023）

MABSA下游任务论文整理一.MASC任务（一）基于注意力模型的相关论文（二）基于图卷积网络(GCN)的相关论文二.ASPE任务（一）PIPELINE-BASEDASPEMETHOD（二）JOINT-BASEDASPEMETHOD

Musennn·2025-05-19 08:18

深度学习笔记（一）：卷积变种（分组卷积、空洞卷积、深度可分离卷积、可形变卷积）卷积中的不一样的操作

Dilated/AtrousConvolution）深度可分离卷积（depthwiseseparableconvolution）标准卷积与深度可分离卷积的不同深度可分离卷积的过程深度可分离卷积的优点可变形卷积网络背景想法评价卷积神经网络中十大拍案叫绝的操作一

生活需要深度·2025-05-19 04:46

BERT-BILSTM-GCN-CRF-for-NER: NER任务中的融合创新

BERT-BILSTM-GCN-CRF-for-NERNER任务中的融合创新BERT-BILSTM-GCN-CRF-for-NER是一款专注于命名实体识别（NER）任务的创新模型，结合了BERT、双向长短期记忆网络（BILSTM）、图卷积网络

傅阳轩·2025-05-18 19:19

自适应稀疏核卷积网络：一种高效灵活的图像处理方案

自适应稀疏核卷积网络：一种高效灵活的图像处理方案引言在深度学习的大潮中，计算机视觉技术取得了长足的进步。其中，卷积神经网络（CNN）作为图像处理的核心工具，极大地推动了各类图像识别任务的效果提升。

RockLiu@805·2025-05-17 15:57

建筑工地安全智能监测：基于多任务姿态估计与场景理解的联合优化方案

架构改进方案，定义人体关节点坐标预测公式：P=f(I;θ_p)=[(x_1,y_1,c_1),...,(x_n,y_n,c_n)]其中I为输入图像，θ_p为姿态估计网络参数，c_i为置信度评分1.2场景理解图卷积网络构建场景元素关系图

燃灯工作室·2025-05-14 07:13

Pytorch使用手册-计算机视觉迁移学习教程（专题十三）

引用课程笔记中的内容：实际上，很少有人从头开始训练一个完整的卷积网络（随机初始化），因为拥有足够大数据集的情况相对罕见。

无声之钟·2025-05-14 04:24

卷积神经网络的实际应用,卷积神经网络应用举例

卷积网络的特点主要是卷积核参数共享，池化操作。

小浣熊的技术·2025-05-08 18:41

电力负荷预测时空建模：图卷积与LSTM联合网络架构详解

−T:t)(G为电网拓扑图，X为历史序列)Y_{t+1}=f(G,X_{t-T:t})\quad(G为电网拓扑图，X为历史序列)Yt+1=f(G,Xt−T:t)(G为电网拓扑图，X为历史序列)1.2图卷积网络

燃灯工作室·2025-05-05 22:38

泰迪杯特等奖案例学习资料：基于时空图卷积网络的结构健康监测数据异常识别系统

（第十四届泰迪杯数据挖掘挑战赛A题特等奖案例解析）一、案例背景与核心挑战1.1应用场景与行业痛点在桥梁、大坝、超高层建筑等基础设施的结构健康监测（SHM）中，传感器网络（如加速度计、应变计、倾角仪）持续采集多维数据以评估结构安全性。传统方法面临以下挑战：异常模式复杂：传感器故障：如温漂（温度变化导致零点偏移）、电磁干扰（EMI）、信号线接触不良等，占异常事件的60%。结构损伤：如混凝土裂缝扩展、钢

学习的锅·2025-05-05 02:53

泰迪杯特等奖案例学习资料：基于时空图卷积网络的物流车辆路径动态优化系统

（第十五届泰迪杯数据挖掘挑战赛B题特等奖案例解析）一、案例背景与核心挑战1.1应用场景与行业痛点在智慧物流领域，车辆路径规划（VehicleRoutingProblem,VRP）直接影响运输成本与时效性。传统路径优化面临以下难题：动态扰动频繁：实时路况变化：交通事故、天气突变（如暴雨、大雾）导致路段通行时间波动，静态规划方案失效。例如，某城市早高峰期间，30%的主干道平均车速下降40%。订单动态插

学习的锅·2025-05-04 03:30

泰迪杯特等奖案例学习资料：基于时空图卷积网络的城市排水系统水位精准重建与异常检测

（第十四届泰迪杯数据挖掘挑战赛A题特等奖案例解析）一、案例背景与核心挑战1.1应用场景与行业痛点城市排水系统（UrbanDrainageNetwork,UDN）是城市基础设施的重要组成部分，其运行效率直接影响防洪排涝能力和水环境质量。然而，实际运维中面临以下难题：监测数据稀疏：受限于成本与部署条件，仅少数关键节点安装传感器，无法覆盖全网络（如某城市527个节点中仅7个部署传感器）28。时空关联复杂

学习的锅·2025-05-04 03:30

GAN, Generative Adversarial Networks（生成式对抗网络）

深度学习中最有趣的领域–GAN,GenerativeAdversarialNetworks（生成式对抗网络）GAN的基础概念GAN被“卷积网络之父”YannLeCun（杨立昆）誉为「过去十年计算机科学领域最有趣的想法之一

一杯水果茶！·2025-04-30 01:35

宝藏资源库！10个免费网站助你成为AI达人

一、核心学习平台1.Coursera官网链接：Coursera难度：⭐️⭐️（初级到进阶）推荐课程：吴恩达《深度学习专项课程》（包含5门子课程，覆盖神经网络、卷积网络、序列模型等）。优点：课程

算家计算·2025-04-29 00:31

深度学习在自动驾驶中的应用已渗透到感知、决策、控制等核心环节，以下从技术实现与场景落地的角度进行系统性分析

语义分割：通过全卷积网络（FCN）或U-Net对图像进行像

码力金矿·2025-04-19 09:14

论文精度：双分支图Transformer网络：视频驱动的3D人体网格重建新突破

背景与问题定义1.13D人体网格重建的意义1.2现有方法的困境二、核心创新：DGTR网络架构2.1整体框架设计2.2全局运动感知分支（GMA）2.3局部细节优化分支（LDR）2.3.1局部信息聚合2.3.2调制图卷积网络三

清风AI·2025-04-14 23:14

视音双模态融合

LeveragingTCNandTransformerforeffectivevisual-audiofusionincontinuousemotionrecognition利用TCN和Transformer在连续情感识别中实现有效的视音频融合提出了一种新的多模态融合模型，该模型利用时间卷积网络

阿冰在努力·2025-04-08 00:06

MATLAB 2024b深度学习工具箱新特性全面解析与DeepSeek大模型集成开发：卷积神经网络、迁移学习算法、时间卷积网络、生成式对抗网络、自编码器、目标检测YOLO模型、语义分割、注意力机制等

随着人工智能技术的飞速发展，其与多学科的交叉融合以及在工程实践领域的纵深拓展已成为时代潮流。在这一背景下，MATLAB2024b深度学习工具箱应运而生，凭借架构创新与功能强化，为科研工作者提供了一套全栈式的科研创新与行业应用解决方案，具有重要的时代意义。本教程紧密围绕该版本工具链的三大革新方向展开，致力于助力科研工作者在深度学习领域取得突破性进展。首先，构建了覆盖经典模型与前沿架构的体系化教程，从

WangYan2022·2025-03-26 03:06

Multi-view graph convolutional networks with attention mechanism

摘要传统的图卷积网络关注于如何高效的探索不同阶跳数(hops)的邻居节点的信息。但是目前的基于GCN的图网络模型都是构建在固定邻接矩阵上的即实际图的一个拓扑视角。

小源er·2025-03-20 23:54

基于多头注意机制的多尺度特征融合的GCN的序列数据（功率预测、故障诊断）模型及代码详解

GCN基础在深度学习领域中，图卷积网络(GCN)是一种强大的图数据处理工具。它将卷积操作扩展到图结构上，能够有效捕捉图中节点之间的关系信息。

清风AI·2025-03-20 22:14

YOLO11改进-模块-引入多尺度差异融合模块MDFM

为解决上述问题，本文通过孪生卷积网络提取不

一勺汤·2025-03-16 19:05

YOLO11改进-模块-引入CMUNeXt Block 增强全局信息

在医学图像分割领域面临诸多问题，如U形架构卷积网络难以提取全局信息，混合架构因计算资源受限在实际医疗场景应用受阻，轻量化网络在保证性能与提取全局信息上存在矛盾。

一勺汤·2025-03-16 19:04

论文阅读 EEG-TCNet

AnAccurateTemporalConvolutionalNetworkforEmbeddedMotor-ImageryBrain–MachineInterfaces1.Intrduction本文提出了一种新颖的时间卷积网络

Plan-C-·2025-03-13 01:36

【TVM教程】为 Mobile GPU 自动调优卷积网络

本文介绍如何调优整个卷积网络。TVM中MobileGPU的算子实现是以template形式编写的。该template有许多可调参数（tile因子

·2025-03-11 19:35

从专利数据中提取IPC代码，构建共现矩阵（IPC共同出现在同一专利为1，否则为0），利用GCN提取特征，并进行链路预测以评估IPC之间的相似度概率

图卷积网络（GCN）：使用GCN提取特征。链路预测：评估IPC之间的相似度概率。

pk_xz123456·2025-03-05 23:59

matlab连接散射点,使用小波散射做信号分类

第二部分中我们将首先介绍什么是小波散射，之后将聚焦在怎样使用小波散射技术也就是不变散射卷积网络做自动特征提取，和使用长短期记忆网络也就是LSTM(LongSh

死月絲卡蕾特·2025-03-02 18:21

基于 Pytorch 的全卷积网络人脸表情识别：从数据到部署的实战之旅

前言：本文将详细介绍基于Pytorch框架，利用全卷积网络进行人脸表情识别的完整过程，涵盖从数据集的准备、模型的设计与训练，再到模型的部署与预测，通过代码实现以及详细讲解，帮助读者深入理解并掌握这一技术

那年一路北·2025-03-01 14:16

DeepSeek 智慧城市应用：交通流量预测（918）

**摘要：**本文探讨了利用DeepSeek技术框架解决城市交通流量预测问题的方法，主要内容包括基于时空图卷积网络（ST-GCN）的预测模型、多传感器数据融合策略以及实时推理API服务的搭建，旨在为智慧城市的交通管理提供高效

web13508588635·2025-02-26 16:18

基于Python开发的使用多个单视图特征融合的基于图卷积网络（GCN）的肺结节检测系统的示例

以下是一个基于Python开发的使用多个单视图特征融合的基于图卷积网络（GCN）的肺结节检测系统的示例。我们将使用PyTorch和torch_geometric库来实现图卷积网络，并模拟数据进行演示。

go5463158465·2025-02-24 20:06

基于python深度学习遥感影像地物分类与目标识别、分割实践技术应用

专题一：深度学习发展与机器学习深度学习的历史发展过程机器学习，深度学习等任务的基本处理流程梯度下降算法讲解不同初始化，学习率对梯度下降算法的实例分析从机器学习到深度学习算法专题二深度卷积网络、卷积神经网络

xiao5kou4chang6kai4·2025-02-20 11:20

【TVM教程】为 x86 CPU 自动调优卷积网络

ApacheTVM是一个深度的深度学习编译框架，适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者：YaoWang,EddieYan本文介绍如何为x86CPU调优卷积神经网络。注意，本教程不会在Windows或最新版本的macOS上运行。如需运行，请将本教程的主体放在if__name__=="__main__":代码块中。impor

·2025-02-19 20:45

遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）

一：深度卷积网络知识1.深度学习在遥感图像识别中的范式和问题2.深度学习的历史发展历程3.机器学习，深度学习等任务的基本处理流程4.卷积神经网络的基本原理5

岁月如歌，青春不败·2025-02-19 15:05

推荐频道