神经网络专题第13页

Web项目测试专题（七）安全性测试

概述：安全性测试旨在确保Web应用在设计和实现过程中能够抵御各种安全威胁，保护用户数据和系统资源。步骤：身份验证和授权：测试用户登录、权限管理和会话管理机制，确保只有授权用户能够访问特定资源。数据加密：验证敏感数据（如密码、支付信息）在传输和存储过程中是否经过加密。输入验证：测试所有用户输入点，防止SQL注入、XSS（跨站脚本攻击）等常见攻击。安全头配置：检查HTTP安全头（如CSP、X-Fram

2025年一定要上岸·2025-02-15 10:48

Web项目测试专题（六）压力测试

概述：压力测试检验Web应用在高并发、高负载情况下的表现，帮助预估系统承载能力和发现瓶颈步骤：并发用户测试：增加虚拟用户数测试系统在多人同时使用时的表现负载测试：模拟高负载情况测试系统的稳定性和响应时间峰值测试：测试系统在瞬时高峰负载下的表现，观察系统是否崩溃或性能显著下降持久性压力测试：长时间持续高负载运行，观察系统性能随时间的变化趋势，有无内存泄漏或性能退化现象1.并发用户测试目标：确定Web

2025年一定要上岸·2025-02-15 10:47

PyTorch入门实战：从零搭建你的第一个神经网络

二、环境搭建：5分钟快速安装三、核心概念：张量与自动求导1.张量（Tensor）：深度学习的数据基石2.自动求导（Autograd）：神经网络训练的核心四、实战：手写数字识别（MNIST）1.数据集加载与预处理

不打滑的西瓜皮·2025-02-15 08:58

基于深度学习YOLOv8的海洋动物检测系统（Python+PySide6界面+训练代码）

深度学习，尤其是卷积神经网络（CNN）的出现，极大地提高了计算机处理图像和视频的能力。

深度学习&目标检测实战项目·2025-02-15 04:57

Bengio新作Aaren：探索Transformer性能与RNN效率的融合

论文链接：https://arxiv.org/pdf/2405.13956一、摘要总结：本文提出了一种新的注意力机制，名为Aaren，它将注意力视为一种特殊的递归神经网络（RNN），能够高效地计算其多对一

AI记忆·2025-02-15 03:17

发文新思路！双通道CNN的惊人突破，准确率接近100%！

双通道CNN作为一种创新的卷积神经网络架构，正引领深度学习领域的新趋势。其核心优势在于并行卷积层设计，能够同时处理更多特征信息，从而显著提升模型的特征表示能力和识别精度。

沃恩智慧·2025-02-15 03:45

基于华为自研NPU Ascend 910的TensorFlow 1.x训练脚本迁移和使能混合精度记录

硬件介绍华为自研NPUAscend910，即昇腾910AI处理器（简称NPU），根据官方介绍，是在2019年发布的人工智能（AI）专用的神经网络处理器，其算力高达256T，最新款算力高达310T，是业界主流芯片算力的

Tianyi Li 1997·2025-02-15 02:07

一个基于python的简化版深度学习框架，包括深度学习神经网络的设计和深度学习模型的设计，适用于中小型项目的开发和实现

一、运用Python技术开发深度学习框架需要具备的基础知识总结开发一个基于Python的深度学习框架是一个复杂的任务，需要具备多方面的基础知识。以下是一些关键领域的总结，帮助你更好地准备和理解开发深度学习框架所需的知识。1.Python编程基础语法和数据结构：掌握Python的基本语法、数据类型（如列表、字典、元组等）和控制流（如循环、条件语句等）。函数和模块：理解函数的定义和使用，以及如何组织代

大懒猫软件·2025-02-14 22:43

焦损函数（Focal Loss）与RetinaNet目标检测模型详解

焦损函数（FocalLoss）与RetinaNet目标检测模型详解阅读时长：19分钟发布时间：2025-02-14近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容

·2025-02-14 22:31

先进制造aps专题二十九基于ai智能体的生产排程和工厂生产仿真引擎的设计

上文中，我们说，通常的做法是，可以先通过排产仿真引擎产生生产计划，再在工厂仿真引擎里仿真执行，这样可以预先分析计划和执行的差异情况并进行调整优化这里的产生生产计划，仿真生产执行和数据分析都是人工进行的这些工作可以让ai智能体来做，从而实现整套流程的自动化和智能化我们可以在强化学习框架中结合排产仿真/工厂生产仿真框架，在强化学习框架的准备函数里启动排产仿真引擎获得生产计划，并导入到工厂仿真引擎里执行

lijianhua_9712·2025-02-14 21:02

一个AI应用的开发、上线流程解析

文件格式1.3.mindir文件格式1.4.onnx文件格式2.推理（Inference）2.1.pth(PyTorch模型格式)2.2.mindir(MindSpore模型格式)2.3.onnx(开放神经网络交换格式

終不似少年遊*·2025-02-14 17:03

【深入探讨 ResNet：解决深度神经网络训练问题的革命性架构】

深入探讨ResNet：解决深度神经网络训练问题的革命性架构随着深度学习的快速发展，卷积神经网络（CNN）已经成为图像识别、目标检测等计算机视觉任务的主力军。

机器学习司猫白·2025-02-14 16:26

LowCode 低代码平台集成 AI 大模型会产生怎样的化学反应？

而AI大模型（AIBigModel）则是一种利用深度学习技术构建的大规模神经网络，它可以对海量数据进行训练和预测，从而实现各种智能化的应用。本文将探讨低代码平台集成AI大模型

AI天才研究院·2025-02-14 15:43

【机器学习】探索未来科技的前沿：人工智能、机器学习与大模型

机器学习的定义2.2机器学习的分类2.3机器学习的实现原理2.4机器学习的应用2.5机器学习的示例代码2.6解释代码三、大模型：推动AI前沿发展的关键技术3.1大模型的定义3.2大模型的发展历程3.3深度学习与神经网络

E绵绵·2025-02-14 11:18

26、深度学习-自学之路-NLP自然语言处理-理解加程序，怎么把现实的词翻译给机器识别。

一、怎么能让机器能够理解我们的语言呢，我们可以利用神经网络干很多的事情，那么我们是不是也可以用神经元做自然语言处理呢，现在很多的实际应用已经说明了这个问题，可以这么做。

小宇爱·2025-02-14 11:17

25、深度学习-自学之路-卷积神经网络基于MNIST数据集的程序展示

importkeras#添加Keraskuimportsys,numpyasnpfromkeras.utilsimportnp_utilsimportosfromkeras.datasetsimportmnistprint("licheng："+"20"+'\n')np.random.seed(1)(x_train,y_train),(x_test,y_test)=mnist.load_data(

小宇爱·2025-02-14 11:47

24、深度学习-自学之路-卷积神经网络

一、你怎么理解卷积神经网络呢，我的理解是当你看一个东西的时候，你的眼睛距离图片越近，你看到的东西就越清晰，但是如果你看到的图片只是整个物体的一小部分，那么你将不知道你看到的物品是什么，因为关注整体更容易知道物品是什么

小宇爱·2025-02-14 11:46

深度学习-10-深度学习发展简介

他曾在1969年出版了Perceptron（感知器）一书，指出了神经网络技术（就是深度学习的前身）的局限

皮皮冰燃·2025-02-14 10:43

【故障诊断】基于RIME-CNN-SVM霜冰算法优化卷积神经网络结合支持向量机的故障诊断模型（matlab)

【故障诊断】基于RIME-CNN-SVM霜冰算法优化卷积神经网络结合支持向量机的故障诊断模型（matlab)文章目录【故障诊断】基于RIME-CNN-SVM霜冰算法优化卷积神经网络结合支持向量机的故障诊断模型

天天科研工作室·2025-02-14 10:12

cnn以及例子

cnnCNN即卷积神经网络（ConvolutionalNeuralNetwork），是一种专门为处理具有网格结构数据（如图像、音频）而设计的深度学习模型，在计算机视觉、语音识别等诸多领域都有广泛应用。

阿拉斯攀登·2025-02-14 10:41

大脑神经网络与机器神经网络的区别

大脑神经网络（生物神经网络）与机器神经网络（人工神经网络，ANN）虽然名称相似，但在结构、功能、学习机制等方面存在显著差异。

天机️灵韵·2025-02-14 10:40

【SCI2区】雾凇优化算法RIME-CNN-GRU-Attention用电需求预测Matlab实现

matlab科研帮手·2025-02-14 10:40

RIME-CNN-SVM故障诊断

构建一个高效、准确的基于卷积神经网络（CNN）的电力系统故障识别与分类仿真系统，实现对电力系统故障的精准识别与分类。

九亿AI算法优化工作室&·2025-02-14 10:39

【论文解读】神经网络就像“数学乐高积木”：多层前馈网络如何用简单函数拼接复杂世界

andH.White.Multilayerfeed-forwardnetworksareuniversalapproximators.NeuralNet-works,2(5):359-366,1989论文解读神经网络就像

神经美学茂森·2025-02-14 10:08

我国化学信息学研究的地位与近期研究进展

近两年来，我国的化学信息学研究得到了快速发展，在某些专题的研究方面达到了国际前沿水平。

xoaxo·2025-02-14 10:07

大模型参数规模解析：32B中的“B“代表什么？如何影响AI性能？

一、参数单位解读B=Billion（十亿）：在AI模型领域，"B"特指模型参数量的十亿级单位参数定义：神经网络中可调节的权重数值，决定模型的信息处理能力计算示例：32B=32×10⁹=320亿参数GPT

燃灯工作室·2025-02-14 10:35

【深度学习入门实战】基于Keras的手写数字识别实战（附完整可视化分析）

本人主页：机器学习司猫白ok，话不多说，我们进入正题吧项目概述本案例使用经典的MNIST手写数字数据集，通过Keras构建全连接神经网络，实现0-9数字的分类识别。

机器学习司猫白·2025-02-14 09:01

第二章：9.5 多个输出的分类

构建多标签分类神经网络的方法方法一：独立训练多个神经网络一种方法是将多标签分类问题分解为多个独立的二分类问题。具体来说，

望云山190·2025-02-14 05:33

ALBERT：轻量级的BERT，用于语言表征的自监督学习

ALBERT：轻量级的BERT，用于语言表征的自监督学习阅读时长：19分钟发布时间：2025-02-13近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎

·2025-02-14 05:05

从VGG到Transformer：深度神经网络层级演进对模型性能的深度解析与技术实践指南

一、技术原理（数学公式+示意图）1.层深与模型容量关系数学表达：根据UniversalApproximationTheorem，深度网络可表达复杂函数：f(x)=fL(fL−1(⋯f1(x)))f(x)=f_L(f_{L-1}(\cdotsf_1(x)))f(x)=fL(fL−1(⋯f1(x)))层数L增加时，函数空间指数级扩大梯度传播挑战：链式法则导致梯度消失/爆炸∂L∂W(1)=∏k=2L∂f

燃灯工作室·2025-02-14 05:57

先进制造aps专题二十七西门子opcenter aps架构分析

欧美的商业aps，主要就是sapapo,西门子opcenteraps,达索quintiq从技术的层面，西门子aps是不如sapapo的，但是西门子aps是西门子数字化工厂产品的核心，有很多特色，所以分析西门子aps主要分计划器和排产器两个部分计划器制定中长期计划，也就是粗排产，实现比较简单，这里就不分析了排产器主要架构是1数据访问模块，对各种数据库的访问，业务数据就存放在数据库里数据集成，直接访问

lijianhua_9712·2025-02-14 05:56

先进制造aps专题二十八生产排程仿真引擎和工厂生产仿真引擎的设计

一排产仿真引擎的设计主要分为仿真模型，仿真模型逻辑和仿真框架这三个部分1仿真模型和算法排产不一样，在算法排产里，机器对应的是数据库记录，排产逻辑是写在整体的算法里的，而仿真排产，机器对应的是一个仿真模型，每个仿真模型都有自己的执行逻辑，成千上万的仿真模型随着时间的移动，执行自己的逻辑在生产排产仿真里，常见的仿真模型有机器（机器/制造单元/工作站/产线），生产任务，订单，操作人员，缓冲区等2仿真模型

lijianhua_9712·2025-02-14 05:56

【Transformer】小白入门指南

目录1、简介2、Transformer解决问题技术概览核心组成自注意力机制（Self-AttentionMechanism）多头注意力机制（Multi-HeadAttention）前馈神经网络（Feed-ForwardNeuralNetwork

静静喜欢大白·2025-02-14 04:18

RAG中的双编码器与跨编码器模型

RAG中的双编码器与跨编码器模型阅读时长：19分钟发布时间：2025-02-13近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【

·2025-02-14 01:01

YOLO各版本原理和优缺点解析

使用单个神经网络直接对图像进行前向传播预测边界框和类别标签。优点：速度快，适合实时应用。模型结构简单，易于实现和训练。缺点：对小目标检测效果差，容易

Ash Butterfield·2025-02-14 00:08

【语义分割专题文章】

一、数据篇【遥感】【道路】篇：【语义分割】【专题系列】一、MassachusettsRoadsDataset马萨诸塞州道路数据集获取二、CNN篇Unet(2015)：【语义分割】【专题系列】二、Unet

BoostingIsm·2025-02-13 22:59

分布式数据库面试整理

5.3.1redis面试专题1、redis和memcached什么区别？为什么高并发下有时单线程的redis比多线程的memcached效率要高？区别：mc可缓存图片和视频。

Necther·2025-02-13 22:28

【Elasticsearch】分词器概述

Elasticsearch分词与神经网络分词的区别Elasticsearch的分词过程产生的是优化用于搜索和检索的语言学分词。这与机器学习和自然语言处理中的神经分词不同。

risc123456·2025-02-13 22:28

【算法】动态规划专题⑪ —— 区间DP python

目录引入进入正题回归经典总结引入区间动态规划（区间DP）适用于解决涉及区间最优化的经典问题，如石子合并、最长回文子序列等。进入正题石子合并https://www.acwing.com/problem/content/284/有N堆石子排成一排，其编号为1,2,3,…,N。每堆石子有一定的质量，可以用一个整数来描述，现在要将这N堆石子合并成为一堆。每次只能合并相邻的两堆，合并的代价为这两堆石子的质量

查理零世·2025-02-13 22:23

《Stable Diffusion绘画完全指南：从入门到精通的Prompt设计艺术》第三章

第三章：风格化Prompt专题解析3.1写实类：照片级细节的刻画技巧一、物理仿真引擎构建#写实类Prompt标准模板{"主体描述":"精确物种/型号/品牌（如：Mercedes-AMGGTBlackSeries2025

Allen-Steven·2025-02-13 21:52

Unity3D实战入门之第三人称射击游戏（TPS）-伍晓波-专题视频课程

Unity3D实战入门之第三人称射击游戏（TPS）—327人已学习课程介绍这是一套第三人称射击游戏开发的入门基础课程。本课程以一款小型的第三人称射击游戏为案例，手把手教你如何搭建一款3D射击游戏的雏形。麻雀虽小，五脏俱全，这款小游戏难度不大，但第三人称射击游戏该有的模块、功能它都有涉及。通过案例游戏的开发，学习者可以对第三人称射击游戏入门，对后续复杂大中型3D游戏的开发有实际的借鉴意义。这套课程，

wxblzzz·2025-02-13 21:51

【专题】2025中国消费者的转型报告汇总以精准战略驱动新常态PDF解读（附原数据表）

原文链接：https://tecdat.cn/?p=39932在当下复杂多变的商业环境中，中国消费者市场正经历着深刻的变革。经济增长模式的转变、宏观经济环境的不确定性，都在重塑着消费者的行为与偏好。深入理解这些变化，对于企业制定精准有效的市场策略、把握增长机遇至关重要。本报告汇总洞察基于文末403份消费者行业研究报告的数据，报告合集已分享在交流群，阅读原文进群和500+行业人士共同交流和成长。运用

·2025-02-13 20:19

DeepSeek R1：开启AI推理新时代，强在哪里？

DeepSeekR1：开启AI推理新时代阅读时长：19分钟发布时间：2025-02-13近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎

·2025-02-13 20:19

R-CNN架构

第二个模块是一个大型卷积神经网络，它从每个区域中提取固定长度的特征向量。第三个模块是一组特定类别的线性支持向量机（SVM）。

·2025-02-13 16:10

如何训练LLMs进行“思考”（如o1和DeepSeek-R1）

如何训练LLMs进行“思考”（如o1和DeepSeek-R1）阅读时长：19分钟发布时间：2025-02-13近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM

·2025-02-13 16:07

机器翻译技术的演进与未来趋势：从规则到神经网络的革新

机器翻译技术经历了从基于规则的方法到统计方法，再到如今的神经网络方法的发展历程。本文将探讨机器翻译技术的演进过程及其未来趋势，并结合Python代码示例，展示现代机器翻译技术的应用。

Echo_Wish·2025-02-13 15:43

神经网络常见激活函数 9-CELU函数

文章目录CELU函数+导函数函数和导函数图像优缺点pytorch中的CELU函数tensorflow中的CELU函数CELU连续可微指数线性单元：CELU（ContinuouslyDifferentiableExponentialLinearUnit）,是一种连续可导的激活函数，结合了ELU和ReLU的特点，旨在解决ELU在某些情况下的梯度问题。函数+导函数CELU函数CELU(x)={xx≥0α

亲持红叶·2025-02-13 15:37

yunTrans·2025-02-13 14:01

常见的深度学习模型总结

1.深度前馈神经网络(DeepFeedforwardNetworks)发明时间：2006年左右，随着计算能力的提升和大数据集的可用性增加，深度学习开始兴起。

编码时空的诗意行者·2025-02-13 13:29

小赖同学啊·2025-02-13 13:57

推荐频道

神经网络专题