因果神经网络第9页

从0开始学习R语言--Day26--因果推断

·2025-06-20 14:08

深度学习——激活函数

深度学习——激活函数激活函数是人工是人工神经网络中一个关键的组成部分，它被设计用来引入非线性特性到神经网络模型中，使神经网络能够学习和逼近复杂的非线性映射关系。

笨小古·2025-06-20 14:08

Day52打卡 @浙大疏锦行

知识点回顾：随机种子内参的初始化神经网络调参指南参数的分类调参的顺序各部分参数的调整心得importtorchimportnumpyasnpimportosimportrandom#全局随机函数defset_seed

ayuan0119·2025-06-20 13:33

深入理解AI人工智能深度学习的原理架构

深入理解AI人工智能深度学习的原理架构关键词：AI人工智能、深度学习、原理架构、神经网络、数学模型摘要：本文旨在深入探讨AI人工智能中深度学习的原理架构。

AI大模型应用实战·2025-06-20 12:56

基于PyQt5与CNN的枸杞/沙棘果图像分类系统

该系统采用卷积神经网络模型，实现了90%以上的识别准确率，响应时间小于500ms，显著提升了传统人工分拣效率。

#define TUNE false·2025-06-20 12:20

Causal-aware Large Language Models: Enhancing Decision-Making Through Learning, Adapting and Acting

核心框架与方法提出因果感知大语言模型（Causal-awareLLMs），将结构因果模型（SCM）整合到决策过程中，采用“

UnknownBody·2025-06-20 10:09

【CUDA】认识CUDA

在深度学习领域中，CUDA能够显著提升神经网络训练的速度和效率CUDA安装前的准备确认系统满足CUDA的硬件和软件要求。

Gappsong874·2025-06-20 10:38

Flask与计算机视觉：图像识别API开发

Flask与计算机视觉：图像识别API开发关键词：Flask框架、计算机视觉、图像识别、API开发、卷积神经网络（CNN）摘要：本文将带你探索如何用轻量级Web框架Flask搭建一个图像识别API。

后端开发笔记·2025-06-20 10:07

day36 复习日（信贷神经网络）

作业：对之前的信贷项目，利用神经网络训练下，尝试用到目前的知识点让代码更加规范和美观。

·2025-06-20 09:29

【深度学习】循环神经网络（RNN）：序列建模的奠基者

循环神经网络（RNN）：序列建模的奠基者一、算法背景：序列数据的挑战1.1传统神经网络的局限1.2序列数据特性二、算法理论：RNN的核心架构2.1基本RNN结构2.2时间展开原理2.3长短期记忆网络（LSTM

白熊188·2025-06-20 08:25

【图像处理入门】11. 深度学习初探：从CNN到GAN的视觉智能之旅

本文将系统讲解卷积神经网络（CNN）的核心原理，通过PyTorch实现图像分类实战；深入解析迁移学习的高效应用策略，利用预训练模型提升自定义任务性能；最后揭开生成对抗网络（GAN）的神秘面纱，展示图像生成与增强的前沿技术

小米玄戒Andrew·2025-06-20 04:27

Transformer-BIGRU多输入多输出 | Matlab实现-Transformer-BIGRU多输入多输出预测，运行环境为Matlab2023及以上

内容介绍年来，随着深度学习技术的飞速发展，基于Transformer和循环神经网络(RNN)的混合模型在时间序列预测领域展现出强大的优势。

Matlab算法改进和仿真定制工程师·2025-06-19 17:38

python打卡day52

神经网络调参指南知识点回顾：随机种子内参的初始化神经网络调参指南参数的分类调参的顺序各部分参数的调整心得参数可视化importtorchimporttorch.nnasnnimportmatplotlib.pyplotaspltimportnumpyasnp

ZHPEN1·2025-06-19 17:04

系统思考：怎么样培养系统思考的能力？

我们应该时刻提醒自己:这个世界不是简单的因果关系,理解事物最重要的方式是对事物之间的关系进行思考。这样,我们才能在芸芸众生中形成自己的独到见解。比如；为什么在很多领域都会出现二八定律?

陈思杰系统思考Jason·2025-06-19 16:31

CSPNet: 一种增强CNN学习能力的新型骨干网络

论文翻译与总结标题CSPNet:一种增强CNN学习能力的新型骨干网络摘要翻译神经网络在目标检测等计算机视觉任务中取得了显著成果，但其成功高度依赖昂贵的计算资源，限制了在廉价设备上的应用。

简诚·2025-06-19 16:25

AAAI2022国际顶会Workshop将会讨论些什么？

其中在技术研究领域涉及：强化学习、图神经网络、交互式机器学习、模型

AINLPer·2025-06-19 14:43

神经网络入门实战：（五）本地数据集的读取，以及从pytorch官网下载数据集的操作

本地带标签图片数据集的读取代码里面的注释写的都比较清楚，也有拓展的部分，这里就不详细列出。fromtorch.utils.dataimportDataset#从torch.utils.data导入Dataset类，用于创建自定义的数据集类fromPILimportImage#引入PIL库中的Image模块，进行图片的读取、处理importos#引入os模块，用于文件和目录路径的操作classMyD

炸膛坦客·2025-06-19 10:16

深度学习“炼丹”实战：用LeNet驯服MNIST“神兽”

今天，咱们就用经典的LeNet卷积神经网络模型，在MNIST手写数字数据集这个“原材料宝库”里，炼制出一颗能精准识别数字的“神奇丹药”！

AI妈妈手把手·2025-06-19 10:44

pytorch深度学习入门（12）之-神经网络导出onnx模型部署与应用

概述：ONNX（OpenNeuralNetworkExchange）是一种开放神经网络交换格式，它使得不同深度学习框架（如TensorFlow、PyTorch、MXNet等）之间的互操作成为可能。

码农呆呆·2025-06-19 10:12

机器学习重构光子学设计范式：从智能器件到前沿系统

在AI与光子学深度融合的科研浪潮中，Nature/Science等顶刊聚焦六大方向：光子器件逆向设计、超构表面光学调控、光子神经网络加速、非线性光子芯片、多任务协同优化及光谱智能预测。

m0_75133639·2025-06-19 09:11

循环神经网络(RNN)：从理论到翻译

循环神经网络（RNN）是一种专为处理序列数据设计的神经网络，如时间序列、自然语言或语音。与传统的全连接神经网络不同，RNN具有"记忆"功能，通过循环传递信息，使其特别适合需要考虑上下文或顺序的任务。

Morpheon·2025-06-19 08:05

基于深度学习的智能图像分割系统：技术与实践

近年来，深度学习技术，尤其是卷积神经网络（CNN）及其变体，为图像分割带来了显著的改进。本文将详细介绍基于深度学习的智能图像分割系统的原理、实现方法以及实际应用案例。

Blossom.118·2025-06-19 07:27

基于深度学习的智能图像风格转换系统：技术与实践

近年来，深度学习技术，尤其是卷积神经网络（CNN）和生成对抗网络（GAN），为图像风格转换带来了革命性的进展。本文将详细介绍基于深度学习的智能图像风格转换系统的原理、实现方法以及实际应用案例。

Blossom.118·2025-06-19 06:53

神经网络模型输入预处理与填充一致性问题

在将图像输入神经网络模型（如目标检测、分割等）前，通常需要对输入进行预处理，包括缩放、填充、归一化等。不同的填充方式会导致模型推理结果出现差异，尤其影响目标的位置、比例和空间感知。

leo0308·2025-06-19 04:07

推荐文章：Faster_Mean_Shift - GPU加速的像素嵌入框架利器

乌芬维Maisie·2025-06-19 04:34

【Python】深度学习-VGG19网络

第一章：VGG的哲学根基——一场由简约与深度引领的革命在卷积神经网络（ConvolutionalNeuralNetwork,CNN）的璀璨星河中，VGG（VisualGeometryGroup）网络家族的出现

宅男很神经·2025-06-19 01:43

VGG-19（Visual Geometry Group）模型

VGG-19是由牛津大学视觉几何组和GoogleDeepMind的研究人员在2014年提出的一个非常经典的深度卷积神经网络模型。

·2025-06-18 21:49

pytorch都有哪些神经网络，都哪些情况使用这些神经网络

PyTorch提供了多种神经网络类型，适用于不同的场景，以下是一些常见的神经网络及其适用情况：前馈神经网络（FeedforwardNeuralNetwork,FNN）结构：由输入层、若干隐藏层和输出层组成

zhiSiBuYu0517·2025-06-18 16:47

神经网络全景图：五大核心架构详解与本质区别

在人工智能的进化史上，神经网络如同分形生长的生命体，不断分化出适应不同任务的专用结构。本文将深入解析五大核心神经网络架构，揭示其设计哲学与应用边界。

摘取一颗天上星️·2025-06-18 12:42

AI人工智能深度学习入门指南：从基础到实践_副本

AI人工智能深度学习入门指南：从基础到实践关键词：人工智能、机器学习、深度学习、神经网络、梯度下降、反向传播、实战案例摘要：本文是为零基础或初级学习者打造的深度学习入门指南。

AI大模型应用实战·2025-06-18 11:07

ROS与机器人开发

一、ROS的本质定位：机器人开发的“神经网络”1.1核心定义ROS≠操作系统，而是运行在操作系统之上的元操作系统（Meta-OS）。

、我是男生。·2025-06-18 09:53

[论文阅读]PIDNet: A Real-time Semantic Segmentation Network Inspired by PID Controllers

在本文中，我们在卷积神经网络（CNN）和比例积分微分（PID）控制器之间架起了桥梁，并揭示了双分支网络只是一个比例积分（PI）控制器，当然也会存在类似的超调问题。为了解决这个问题，

颜笑晏晏·2025-06-18 08:16

循环因果关系与线性因果关系

循环因果关系和线性因果关系是两种不同的因果解释框架，它们在描述系统或现象中因果关系的结构和动态性上存在显著差异。

CoderIsArt·2025-06-18 03:45

昇思25天学习打卡营第9天|使用静态图加速

数据集Dataset数据是深度学习的基础，高质量的数据输入将在整个深度神经网络中起到积极作用。

蓝精灵1·2025-06-18 03:44

深度学习 backbone，neck，head网络关键组成

（头部）是网络的关键组成部分，各自承担了不同的功能：1，总署：Backbone,译作骨干网络，主要指用于特征提取的，已在大型数据集(例如ImageNet|COCO等)上完成预训练，拥有预训练参数的卷积神经网络

SLAM必须dunk·2025-06-18 02:12

李宏毅机器学习——类神经网络训练不起来怎么办？

https://www.bilibili.com/video/BV1Wv411h7kN?spm_id_from=333.788.videopod.episodes&vd_source=779fe6f5ae2ab98c0dc9480ff4ae61a3&p=201.局部最小值（localminima）与鞍点（saddlepoint）criticalpoint：hessian矩阵：1.1判断点类型：1.

JustNow_Man·2025-06-18 02:39

第9章：Neo4j集群与高可用性

Neo4j企业版主要提供因果集群（CausalClustering）架构。因果集群

喵叔哟·2025-06-18 02:09

AI人工智能语音识别的多模态融合应用

AI人工智能语音识别的多模态融合应用关键词：语音识别、多模态融合、深度学习、神经网络、特征提取、端到端学习、注意力机制摘要：本文深入探讨了AI语音识别中的多模态融合技术，从基础原理到实际应用进行了全面剖析

AI天才研究院·2025-06-18 02:07

计算机视觉卷积神经网络（CNN）基础：从LeNet到ResNet

计算机视觉卷积神经网络（CNN）基础：从LeNet到ResNet一、前言二、卷积神经网络基础概念2.1卷积层2.1.1卷积运算原理2.1.2卷积核的作用与参数2.2池化层2.2.1最大池化与平均池化2.2.2

xcLeigh·2025-06-18 02:04

多模态大模型：技术原理与实战语音多模态技术

多模态大模型：技术原理与实战语音多模态技术关键词：多模态大模型，语音识别，自然语言处理，深度学习，神经网络，融合技术1.背景介绍1.1问题的由来随着人工智能技术的飞速发展，多模态大模型逐渐成为研究热点。

AI智能应用·2025-06-18 00:58

深度学习进阶：卷积神经网络(CNN)原理与实战

1.卷积神经网络概述卷积神经网络（ConvolutionalNeuralNetworks,CNN）是深度学习中专门用于处理网格状数据（如图像、语音、视频）的神经网络架构。

软考和人工智能学堂·2025-06-17 23:51

深度学习入门指南：从基础概念到代码实践

深度学习入门指南：从基础概念到代码实践1.深度学习概述深度学习是机器学习的一个分支，它通过模拟人脑神经元的工作方式，构建多层次的神经网络模型来处理复杂的数据模式。

软考和人工智能学堂·2025-06-17 23:18

深度学习框架与联邦学习：探究未来的AI发展趋势=======================摘要：本文将深入探讨深度学习框架与联邦学习的融合，分析其在现代AI领域的应用和发展趋势。我们将介绍深度学习框

它为开发者提供了便捷的工具和库，使得构建复杂的神经网络模型变得更加简单高效

·2025-06-17 23:46

残差网络中相加后激活的深度解析

残差网络中相加后激活的深度解析在残差网络中，"相加后激活"（post-additionactivation）是ResNet原始设计的关键特征，这一设计选择背后蕴含了深刻的神经网络原理，对模型性能有着重要影响

浩瀚之水_csdn·2025-06-17 18:20

如何用PyTorch构建第一个神经网络？——从环境搭建到实战部署的零基础指南

这几年带学员入门深度学习时，发现90%的新手都会卡在「第一个神经网络构建」上：有人装环境时被CUDA版本搞晕，有人写模型时分不清nn.Module和nn.Sequential，还有人训练时遇到梯度不更新的问题

唐宇迪（学习规划+技术答疑）·2025-06-17 18:42

「大模型学习」(10)LLM的量化（GPTQ、LLM.int8()、AWQ）不信你学不会！

为什么量化对神经网络精度影响不大？1.权重和输入经过归一化，数值范围较小➤通常神经网络训练后会对输入和权重做标准

木楚子·2025-06-17 16:32

Elman_神经网络在图像识别领域的应用尝试(附DeepSeek行业解决方案100+)

博主介绍：Java、Python、js全栈开发“多面手”，精通多种编程语言和技术，痴迷于人工智能领域。秉持着对技术的热爱与执着，持续探索创新，愿在此分享交流和学习，与大家共进步。DeepSeek-行业融合之万象视界(附实战案例详解100+)全栈开发环境搭建运行攻略：多语言一站式指南(环境搭建+运行+调试+发布+保姆级详解)感兴趣的可以先收藏起来，希望帮助更多的人DeepSeek行业解决方案详解总站

fanxbl957·2025-06-17 15:25

Boltzmann_神经网络在工业过程控制参数优化中的应用(附DeepSeek行业解决方案100+)