神经元

Happy-LLM 第二章 Transformer

happy-llm/docs/chapter2/第二章Transformer架构.mdatmain·datawhalechina/happy-llm)，若加载不出来，请开梯子注意力机制前馈神经网络每一层的神经元都与上下两层的每一个神经元完全连接数据在其中只向前流动
HalukiSan·2025-07-06 10:58

重生学AI第十五集：学习非线性激活函数

“激活”一词来源于生物学神经系统，在人的大脑中，存在着大量的神经元。每个神经元在接收到足够强的刺激时，会被激活，产生电信号并传递给其他神经元。
·2025-07-05 23:51

day40python打卡

知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭dropout作业：仔细学习下测试和训练代码的逻辑
qq_58459892·2025-07-05 14:15

【SNN脉冲神经网络2】AdEx神经网络软件仿真

本文使用AdEx神经元搭建一个完整的神经网络来进行生物神经脉冲现象的仿真。主要的目的是为了验证数学原理，因此只调用的numpy函数包。
XvnNing·2025-07-04 04:26

【Torch】nn.Dropout算法详解

其核心思想是在训练阶段随机“丢弃”（置零）部分神经元的输出，以减少网络对特定神经元的过度依赖；在推理阶段则保持所有神经元输出不变。
油泼辣子多加·2025-07-03 17:11

Python Day53

Task：1.对抗生成网络的思想：关注损失从何而来2.生成器、判别器3.nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法4.leakyReLU介绍：避免relu的神经元失活现象1
别勉.·2025-07-03 07:56

DAY 40 训练和测试的规范写法

view/reshape操作总结二、彩色图片的规范写法知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元
acstdm·2025-07-03 01:10

脑机新手指南（二十一）基于 Brainstorm 的 MEG/EEG 数据分析（上篇）

神经电生理信号作为脑机接口的重要数据来源，主要包括以下几种类型：MEG（脑磁图）：通过测量大脑神经元电活动产生的磁场变化来反映脑功能，具有极高的时间分辨率。EEG（脑电图）：通过头皮电极记录大脑皮
Brduino脑机接口技术答疑·2025-07-02 17:43

深度学习中常见激活函数总结

以下是一份深度学习激活函数的系统总结，涵盖定义、类型、作用、应用及选择影响，便于你快速掌握核心知识：一、激活函数的定义在神经网络中，激活函数（ActivationFunction）是神经元计算输出的非线性变换函数
向左转,　向右走ˉ·2025-07-02 07:54

《数字孪生+AI：如何模拟人类大脑的智能进化？》

大脑发展的五阶段理论与AI模型发展关系人类大脑在一生中经历五个主要发展阶段，从胎儿期一直到老年期阶段1（孕期0–10月）：大脑迅速增长，大量神经元和神经连接形成这是大脑发育的基础阶段，孕期的营养和环境对神经系统发育至关重要
嘉图明·2025-07-01 23:29

十分钟了解人工智能的过去、现在与未来

从1943年人工神经元模型的提出，到2025年AI应用场景的全面爆发，AI发展经历了多个关键阶段。在接下来的十分钟里，我们将通过图文解说，快速了解AI从萌芽到现在的历程，以及未来可能带来的机遇与挑战。
ithadoop·2025-07-01 18:57

分布式学习

神经网络结构（NeuralNetworkArchitecture）：模拟生物神经元连接，用于人工智能。
嘉陵妹妹·2025-06-30 20:30

CARLsim开源程序 是一个高效、易用、GPU 加速的软件框架，用于模拟具有高度生物细节的大规模脉冲神经网络 （SNN） 模型。

CARLsim允许在通用x86CPU和标准现成GPU上以逼真的突触动力学执行Izhikevich脉冲神经元网络。
struggle2025·2025-06-30 16:06

人工智能-基础篇-10-什么是卷积神经网络CNN（网格状数据处理：输入层，卷积层，激活函数，池化层，全连接层，输出层等）

1、核心概念与原理1、生物视觉启发局部感受野：模仿人类视觉皮层神经元仅响应局部区域刺激的特性，每个神经元关注输入数据的局部区域（如图像的一小块区域）。权值共享：同一
weisian151·2025-06-30 11:30

机器学习算法——神经网络1（神经元模型）

神经网络中最基本的成分是神经元（neuron）模型。即上述定义中的“简单单元”。
·2025-06-30 07:08

第 3 章：神经网络如何学习

第3章：神经网络如何学习在第二章中，我们详细了解了神经网络的静态结构：由神经元组成的层，以及连接它们的权重和偏置。现在，我们将进入整个教程最核心的部分：神经网络是如何从数据中"学习"的？
鱼摆摆拜拜·2025-06-29 15:19

Python打卡：Day39

知识点回顾图像数据的格式：灰度和彩色数据模型的定义显存占用的4种地方模型参数+梯度参数优化器参数数据批量所占显存神经元输出中间状态batchisize和训练的关系@浙大疏锦行
剑桥折刀s·2025-06-28 00:18

LLM模型的一些思考

LLM的压缩能力是否可以拆解成单个神经元的“压缩
巴基海贼王·2025-06-27 01:08

用 PyTorch 构建液态神经网络(LNN)：下一代动态深度学习模型

液态神经网络(LiquidNeuralNetworks,LNN)正是这样一种受生物神经元动态特性启发的创新架构。本文将带你了解LNN的核心概念，并展示如何使用PyTorch实现这种前沿模型。
点我头像干啥·2025-06-26 22:42

DAY 40 训练和测试的规范写法

知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭dropout#先继续之前的代码
小白菜333666·2025-06-26 02:31

DAY 39 图像数据与显存

知识点回顾图像数据的格式：灰度和彩色数据模型的定义显存占用的4种地方模型参数+梯度参数优化器参数数据批量所占显存神经元输出中间状态batchisize和训练的关系#先继续之前的代码importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataLoader
小白菜333666·2025-06-26 02:01

**脉冲神经网络：探索发散创新的潜力**一、引言随着人工智能技术的飞速发展，神经网络已成为解决复杂问题的强大工具。其中，脉冲神经网络（Spiking Neural Network，SNN）作为一种模拟

二、脉冲神经网络概述脉冲神经网络是一种模拟生物神经网络中神经元之间通信方式的网络。与传统的人
weixin_43880734·2025-06-25 21:50

Day 40训练

图像数据训练与测试的规范写法单通道图像的规范训练流程数据预处理与加载模型定义训练与测试函数封装模型训练执行彩色图像的扩展应用数据预处理调整模型结构调整关键要点总结知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元
Nina_717·2025-06-24 20:20

DAY 39 图像数据与显存

目录DAY39图像数据与显存1.图像数据的格式：灰度和彩色数据2.模型的定义3.显存占用的4种地方a.模型参数+梯度参数b.优化器参数c.数据批量所占显存d.神经元输出中间状态4.batchisize和训练的关系作业
HINOTOR_·2025-06-24 19:47

DAY 40 训练和测试的规范写法

目录DAY40训练和测试的规范写法1.彩色和灰度图片测试和训练的规范写法：封装在函数中2.展平操作：除第一个维度batchsize外全部展平3.dropout操作：训练阶段随机丢弃神经元，测试阶段eval
HINOTOR_·2025-06-24 19:16

DAY 39 图像数据与显存

@浙大疏锦行https://blog.csdn.net/weixin_45655710知识点回顾图像数据的格式：灰度和彩色数据模型的定义显存占用的4种地方模型参数+梯度参数优化器参数数据批量所占显存神经元输出中间状态
·2025-06-23 14:31

day53python打卡

知识点回顾：对抗生成网络的思想：关注损失从何而来生成器、判别器nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法leakyReLU介绍：避免relu的神经元失活现象ps；如果你学有余力
qq_58459892·2025-06-22 21:37

人工神经网络：单层神经网络(感知器)

一、神经网络介绍1、生物学起源与基本概念(1)生物神经网络启发人类大脑由约860亿个神经元组成，这些神经元通过突触相互连接，形成复杂网络。
·2025-06-22 08:44

深度学习之模型压缩三驾马车：基于ResNet18的模型剪枝实战（1）

模型剪枝（ModelPruning）作为模型压缩的核心技术之一，通过删除冗余的神经元或通道，在保持模型性能的前提下显著降低模型大小和计算量，是解
king of code porter·2025-06-21 21:00

循环神经网络RNN与LSTMPython实战

隐藏层的神经元不仅接收当前时间步的输入，还接收上一个时间步的隐藏状态，通过
python自动化工具·2025-06-20 15:14

深度学习——激活函数

激活函数使网络可以逼近任意复杂函数（依据万能逼近定理）2.控制信息流动某些激活函数可以抑制部分神经元的输出（如ReLU），是模型更稀疏
笨小古·2025-06-20 14:08

深入理解AI人工智能深度学习的原理架构

接着详细剖析深度学习的核心概念，包括神经元、神经网络等，通过文本示意图和Mermaid流程图展示其架构。深入讲解核心算法原理，结合Python代码进行具体操作步骤的说明。介绍深度学习中的数学
AI大模型应用实战·2025-06-20 12:56

碳基觉醒：从3.5万美元生物黑箱到意识边界的终极博弈——CL1如何重划人类文明的技术伦理疆界

CorticalLabsCL1生物计算机的技术参数与核心功能CorticalLabsCL1生物计算机的技术参数与核心功能如下：1.技术参数：核心组件：CL1将人类神经元与硅芯片相结合，形成一个动态、可持续且节能的计算系统
百态老人·2025-06-20 07:45

python打卡day53@浙大疏锦行

知识点回顾：对抗生成网络的思想：关注损失从何而来生成器、判别器nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法leakyReLU介绍：避免relu的神经元失活现象ps；如果你学有余力
风逸hhh·2025-06-19 17:32

打卡Day53

知识点：1.对抗生成网络的思想：关注损失从何而来2.生成器、判别器3.nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法4.leakyReLU介绍：避免relu的神经元失活现象ps
月宝好q·2025-06-19 09:41

深度学习进阶：卷积神经网络(CNN)原理与实战

与传统全连接网络相比，CNN具有三大核心思想：局部感受野：每个神经元只与输入数据的局部区域连接权值共享：同一特征检测器在不同位置使用相同的参数空间下采样：通过池化操作逐步降低数据维度这些特性使CNN能够高效处理高维数据
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

DAY 53 对抗生成网络

知识点回顾：对抗生成网络的思想：关注损失从何而来生成器、判别器nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法leakyReLU介绍：避免relu的神经元失活现象ps；如果你学有余力
MasterLLL0228·2025-06-17 01:45

python打卡day39

图像数据与显存图像数据的格式：灰度和彩色数据模型的定义显存占用的4种地方模型参数+梯度参数优化器参数数据批量所占显存神经元输出中间状态batchisize和训练的关系一、图像数据的介绍minist这个经典的手写数据集
ZHPEN1·2025-06-16 17:27

python打卡day40

知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭dropout导入包#先继续之前的代码
ZHPEN1·2025-06-16 17:27

深入剖析 AI 大模型中的 Dense 架构

Dense架构的核心思想是让每一层的神经元与上一层的所有神经元相连接，这种连接方式使得网络能够充分捕捉输入数
Android 小码蜂·2025-06-16 14:07

CNN中的感受野

感受野（ReceptiveField）是卷积神经网络（CNN）中的核心概念，指网络中某一层特征图上的单个神经元在输入图像上所能“看到”或影响的区域范围。
AI扶我青云志·2025-06-16 12:47

python打卡第53天

知识点回顾：对抗生成网络的思想：关注损失从何而来生成器、判别器nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法leakyReLU介绍：避免relu的神经元失活现象importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataLoader
whyeekkk·2025-06-14 07:00

多分类与多标签分类的损失函数

使用神经网络处理多分类任务时，一般采用softmax作为输出层的激活函数，使用categorical_crossentropy（多类别交叉熵损失函数）作为损失函数，输出层包含k个神经元对应k个类别。
麦格芬230·2025-06-13 21:24

多标签多分类 用什么函数激活

输出层通常为：神经元数量等于标签总数（每个神经元对应一个二分类任务）。输出值需表示“属于该标签的概率”或“是否存在该标签”。二、常用激活函数及适用场景1.Sigmoid激活函数（最
MYH516·2025-06-13 20:20

Python训练营打卡 Day39

图像数据与显存知识点回顾图像数据的格式：灰度和彩色数据模型的定义显存占用的4种地方模型参数+梯度参数优化器参数数据批量所占显存神经元输出中间状态batchisize和训练的关系图像数据与显存1.图像数据的格式灰度图像
·2025-06-12 01:44

从原理到实战：一文读懂深度学习核心技术与应用

一、深度学习演进简史萌芽期（1943-2006）1943年McCulloch-Pitts神经元模型提出1986年R
AI—levey·2025-06-11 16:40

大模型系列——大模型核心技术解析：参数量、量化、Zero版本与模型蒸馏

文章目录大模型系列——大模型核心技术解析：参数量、量化、Zero版本与模型蒸馏一、大模型的参数量：智能的"神经元"基础1.1参数量的定义与表示1.2参数量与模型性能的关系1.3参数量爆炸带来的挑战二、大模型量化技术
猫猫姐·2025-06-11 08:42

激活函数介绍

激活函数（ActivationFunction）是神经网络中非常重要的组成部分，它决定了神经元的输出，并引入了非线性，使得神经网络能够学习复杂的模式。
东皇太星·2025-06-11 01:20

深入剖析 AI 大模型神经网络的原理

神经网络的灵感来源于人类大脑的神经元结构和工作方式。它通
Android 小码蜂·2025-06-10 07:13
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他