神经网络人工智能深度学习第11页

多GPU-TensorFlow

数据并行:多块GPU同时训练多个batch数据，运行在每块GPU模型基于同一神经网络，网络结构一样，共享模型参数。1.同步数据并行，

听风1996·2024-02-13 05:22

杰夫 · 迪恩：《深度学习的黄金十年：计算系统与应用》

即便五年前，有道推出有道神经网络翻译引擎（YNMT），使得翻译质量得到质的飞跃时，大家对机器翻译的质量仍然心存疑虑。但今天，人们甚至已经开始讨论未来是否还会存在翻译这个职业。

有道AI情报局·2024-02-13 05:47

机器视觉系统中图像分割技术传统方法概论1

尤其是深度神经网络广泛应用于视觉系统中后，取得了许多很明显的成效。对于自主移动机器人来说，视觉系统有着十分重要的作用，而图像分割技术更是在这个系统中担任着十分重要的角色。

欢乐马_e31d·2024-02-13 04:31

基于RBF神经网络的自适应控制器simulink建模与仿真

目录1.程序功能描述2.测试软件版本以及运行结果展示3.核心程序4.本算法原理4.1自适应控制器4.2RBF神经网络模型5.完整程序1.程序功能描述在simulink中，使用S函数编写基于RBF神经网络的自适应控制器

软件算法开发·2024-02-13 04:55

图像处理之《鲁棒图像隐写术：隐藏频率系数中的信息》论文精读

提出了一种基于可逆神经网络的端到端鲁棒隐写系统。该方法将秘密信息直接隐藏到封面图像的离散余弦变换(DCT)系数中，而不是隐藏在空间域中，显著提高了鲁棒性和抗隐写安全性。

Hard Coder·2024-02-13 02:09

【AI大事件】谷歌AI教父Hinton离职！深探AI风险与挑战，共赴智能科技新征程！

深度学习泰斗、神经网络之父、图灵奖得主Hinton突然宣布离职谷歌。Hinton，他可是AI的教父啊，而他的学生就是发明了GPT的首席科学家。他的这一举动，引发了整个科技行业的关注和讨论。

领航猿1号·2024-02-13 02:09

图像处理之《隐写网络的隐写术》论文阅读

随着深度神经网络(DNN)的快速发展，近年来越来越多的隐写网络被提出，并显示出良好的性能。与传统的手工隐写工具不同，隐写网络的规模相对较大。

Hard Coder·2024-02-13 02:08

大模型题库

Transformer架构是一种深度神经网络架构，于2017年由Vaswani等人在他们的论文“AttentionisAllYouNeed”中首次提出。

lichunericli·2024-02-12 19:28

解决什么问题需要大的计算机算力,突破极限！清华研发出新技术，可大幅提升计算机算力...

该成果所研发的基于多个忆阻器阵列的存算一体系统，在处理卷积神经网络(CNN)时的能效比图形处理器芯片(GPU)高两个数量级，大幅提升了计算设备的算力，成功实现了以更小的功耗和更低的硬件成本完成复杂的计算

weizbbs·2024-02-12 17:24

（深度学习快速入门）图对比学习综述笔记-中文信息学报2023第37卷第5期

快乐江湖·2024-02-12 15:18

王树森：学 DRL 走过的弯路太多，想让大家避开（文末赠送福利）

大家都知道，深度强化学习（DeepReinforcementLearning，DRL）就是应用了神经网络的强化学习。而强化学习是机器学习的一个分支，研究如何基于对环境的观测做出决策，以最大化长期回报。

人工智能与算法学习·2024-02-12 15:43

【人工智能Alphago背后的秘密】全网最全面的蒙特卡洛树搜索算法讲解：系统、简洁、易懂！

Alphago使用的算法如下：蒙特卡洛树搜索残余卷积神经网络-用于游戏评估和移动先验概率估计的策略和价值网络用于通过自我游戏

准确、系统、简洁地讲算法·2024-02-12 15:09

神经网络训练中的epoch和batch概念

在神经网络训练中，"epoch"和"batch"是两个基本的概念：Epoch:一个epoch代表的是整个数据集被遍历一次的过程。在一个epoch中，网络会对每一个训练样本学习一次，然后更新权重。

山泼黛·2024-02-12 14:29

深度学习笔记

DeepLearningBasic神经网络：algorithm1input1outputinput2input3input4algorithm2监督学习：1个x对应1个y；Sigmoid:激活函数sigmoid

stoAir·2024-02-12 14:28

YOLO系列详解（YOLOV1-YOLOV3）

YOLO算法作为one-stage目标检测算法最典型的代表，其基于深度神经网络进行对象的识别和定位，运行速度很快，可以用于实时系统。了解YOLO是对目标检测算法研究的一个必须步骤。

X.AI666·2024-02-12 14:49

神经网络中的分位数回归和分位数损失

在使用机器学习构建预测模型时，我们不只是想知道“预测值(点预测)”，而是想知道“预测值落在某个范围内的可能性有多大(区间预测)”。例如当需要进行需求预测时，如果只储备最可能的需求预测量，那么缺货的概率非常的大。但是如果库存处于预测的第95个百分位数(需求有95%的可能性小于或等于该值)，那么缺货数量会减少到大约20分之1。获得这些百分位数值的机器学习方法有：scikit-learn:Gradien

·2024-02-12 12:41

李宏毅机器学习笔记 2.回归

另外，最近我也在学习邱锡鹏教授的《神经网络与深度学习》，会补充书上的一点内容。通过上一次课1.机器

Simone Zeng·2024-02-12 11:34

梯度下降法的神经网络容易收敛到局部最优，为什么应用广泛？

链接：https://www.zhihu.com/question/68109802编辑：深度学习与计算机视觉声明：仅做学术分享，侵删作者：夕小瑶https://www.zhihu.com/question/68109802/answer/263503269反对回答区中一部分称“模型收敛于鞍点”的回答。当然也有的大牛可以一针见血，那我就对这个问题多展开一下吧，让鲜血流的更猛烈一些。（害怕.jpg）

woshicver·2024-02-12 11:34

西瓜书-机器学习5.4 全局最小与局部极小

两种“最优”：“局部极小”(localminimum)和"全局最小"(globalminimum)对和，若存在使得多组不同参数值初始化多个神经网络使用“模拟退火”：以一定的概率接受比当前解更差的结果，有助于

lestat_black·2024-02-12 11:32

ncc匹配（五，匹配提速的思考）

工业机器视觉设计和实现·2024-02-12 11:47

《零基础实践深度学习》波士顿房价预测任务1.3.3.4训练过程

《零基础实践深度学习》基于线性回归实现波士顿房价预测任务1.3.3-CSDN博客1.3.3.4训练过程上述计算过程描述了如何构建神经网络，通过神经网络完成预测值和损失函数的计算。

软工菜鸡·2024-02-12 10:14

《零基础实践深度学习》基于线性回归实现波士顿房价预测任务1.3.3

图3：构建神经网络/深度学习模型的基本步骤正是由于深度学习的建模和训练的过程存在通用性，即在构建不同的模型时，只有模型三要素不同，其它步骤基本一致，才产生了深

软工菜鸡·2024-02-12 09:13

Python概率建模算法和图示

概率论，衡量一个或多个变量相互依赖性，从数据中学习概率模型参数，贝叶斯决策论，信息论，线性代数和优化Python线性判别分析分类模型，逻辑回归，线性回归，广义线性模型Python结构化数据，图像和序列神经网络朴素贝叶斯分类器示例概率学习在机器学习的广阔领域中

亚图跨际·2024-02-12 09:26

机器学习案例2：使用 plaidML在 macOS利用GPU进行机器学习

任何尝试过在macOS上使用TensorFlow训练神经网络的人都知道这个过程有点糟糕。TensorFlow只能利用Mac上的CPU，因为GPU加速训练需要Nvidia芯片组。

suoge223·2024-02-12 09:25

DeepMind加持的GNN框架正式开源,TensorFlow进入图神经网络时代

谷歌在垃圾邮件检测、流量估计以及YouTube内容标签等环境中使用了一种强大的工具GNN（图神经网络）。

Python数据挖掘·2024-02-12 08:52

Google刚刚推出了图神经网络Tensorflow-GNN

每周跟踪AI热点新闻动向和震撼发展想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！订阅：https://rengongzhineng.io/在当今数字化的世界里，对象及其之间的复杂关系构成了无数的网络，例如交通网络、生产网络、知

新加坡内哥谈技术·2024-02-12 08:21

【Python】基于动态残差学习的堆叠式LSTM模型和传统BP在股票预测中的应用

1.前言本论文探讨了长短时记忆网络（LSTM）和反向传播神经网络（BP）在股票价格预测中的应用。首先，我们介绍了LSTM和BP在时间序列预测中的基本原理和应用背景。

hiddenSharp429·2024-02-12 08:48

一文学会用 Tensorflow 搭建神经网络

Tensorflow官网神经网络是一种数学模型，是存在于计算机的神经系统，由大量的神经元相连接并进行计算，在外界信息的基础上，改变内部的结构，常用来对输入和输出间复杂的关系进行建模。神经网络

有家的感觉真好·2024-02-12 08:37

Pytorch 复习总结 1

Pytorch张量的常见运算、线性代数、高等数学、概率论部分见Pytorch复习总结1；Pytorch线性神经网络部分见Pytorch复习总结2；Pytorch多层感知机部分见Pytorch复习总结3；

ScienceLi1125·2024-02-12 08:02

浅谈人工智能之深度学习~

如果这篇文章对你们有帮助的话，别忘了给个免费的赞哟~前言：深度学习的进展深度学习是人工智能领域的一个重要分支，它利用神经网络模拟人类大脑的学习过程，通过大量数据训练模型，使其能够自动提取特征、识

秋风起，再归来～·2024-02-12 08:30

【大厂AI课学习笔记】【1.6 人工智能基础知识】（3）神经网络

深度学习的最主要特征是使用神经网络作为计算模型。神经网络模型得名于其对于动物神经元传递信息方式的模拟。实际上，现在的神经网络模型，和神经，已经没有特别大的关系了。深度学习的深度，一般指神经网络的层数。

giszz·2024-02-12 08:57

【自制C++深度学习推理框架】计算图的设计思路

与神经网络架构图类似，计算图也是一种有向图，使用节点来表示操作或变量，并使用边来表示它们之间的依赖关系。不同之处在于，神经网络架构图通常只描述了神经元之间的连接方式，而计算图可以精确地表示深度学习

代码缝合怪·2024-02-12 03:16

探索ChatGPT4：新一代人工智能语言模型的突破

新特性详解更强大的模型架构ChatGPT4采用了更为复杂的神经网络架构，使模型的

Draven21·2024-02-12 03:41

理解激活函数

定义：这里根据常用表示方法将隐藏层第一层作为神经网络的第1层，输入层则作为第0层根据上述推导，如果使用线性激活函数，无论神经网络有多少层，都只是计算输入特征的线性组合，那还不如全部去掉所有隐藏层。

陈昱熹·2024-02-11 23:42

人工智能深度学习入门指南

深度学习通过模拟人脑神经网络的运作方式，使得机器能够处理和分析海量的数据，从而实现更高级别的智能。本文将为你提供一份深度学习入门指南，帮助你快速掌握深度学习的基本知识和应用技能。

白猫a~·2024-02-11 23:00

【TSP问题】基于遗传算法求解快递运输成本最优化问题GA-MTSP附Matlab代码

天天Matlab代码科研顾问·2024-02-11 21:08

【Leach协议】基于MATLAB中实现的无线传感器网络Leach协议

天天Matlab代码科研顾问·2024-02-11 21:08

SMA-CEEMDAN时序分解 | Matlab实现利用黏菌优化算法优化CEEMDAN时间序列信号分解

天天Matlab代码科研顾问·2024-02-11 21:38

【KELM回归预测】基于天鹰算法优化核极限学习AO-KELM实现瓦斯浓度多输入单输出预测附Matlab代码

天天Matlab代码科研顾问·2024-02-11 21:38

基于傅里叶变换和带通滤波器实现脑电信号EEG目标识别附Matlab实现

天天Matlab代码科研顾问·2024-02-11 21:37

深度学习、机器学习和神经网络之间的区别

深度学习是机器学习的一个子类别，有效地是一个三层神经网络。这些神经网络旨在通过模仿人脑的功能来“学习”大量数据，但它们远远达不到人脑的能力。

第欧根尼的酒桶·2024-02-11 20:12

C语言常见面试题：C语言中如何进行人工智能编程？

以下是一些基本步骤和注意事项，帮助你开始在C语言中进行AI编程：理解AI基础:学习AI的基本概念、算法和技术，如机器学习、深度学习、神经网络等。

广寒舞雪·2024-02-11 20:06

深度学习路线，包括书籍和视频

书籍：《神经网络与深度学习》（NeuralNetworksandDeepLearning）Micha

jjm2002·2024-02-11 19:25

YOLOv5改进 | 融合改进篇 | 华为VanillaNet + BiFPN突破涨点极限

一、本文介绍本文给大家带来的改进机制是华为VanillaNet主干配合BiFPN实现融合涨点，这个主干是一种注重极简主义和效率的神经网络我也将其进行了实验，其中的BiFPN不用介绍了从其发布到现在一直是比较热门的改进机制

Snu77·2024-02-11 18:40

9、神经网络三：学习与评价

目录9.1梯度检验9.2清醒检查9.3照看学习过程9.3.1损失函数9.3.2训练/评估精度9.3.3权重：更新率9.3.4每一层的激活/梯度分布9.4.5可视化9.4参数更新9.4.1一阶（SGD），动量，内斯特罗夫动量9.4.2学习速率的退火9.4.3二阶方法9.4.4每个参数自适应学习率(Adagrad,RMSProp)9.5超参数优化9.6评价9.7模型集成9.8总结9.9参考文献在前面的

qxdx.org·2024-02-11 18:03

论文学习1----理解深度学习需要重新思考泛化Understanding deep learning requires rethinking generalization

——论文地址：Understandingdeeplearningrequiresrethinkinggeneralization1、有关新闻1.1新闻一：参考1：机器之心尽管深度人工神经网络规模庞大，但它们的训练表现和测试表现之间可以表现出非常小的差异

夏洛的网·2024-02-11 18:02

神经网络垃圾笔记

神经网络垃圾笔记OptimizationMethodsBatchGradientDescent:GDMini-BatchGradientDescentStochasticGradientDescent:

MegaC·2024-02-11 18:32

深度神经网络中的BNN和DNN：基于存内计算的原理、实现与能量效率

引言深度神经网络（DNN）在机器学习领域越来越受欢迎，其在一系列任务中展现出最先进的性能。为了达到最佳结果，通常需要大量的训练数据和大型模型，从而使得训练和推理过程变得复杂。

·2024-02-11 18:53

R语言逻辑回归、决策树、随机森林、神经网络预测患者心脏病数据混淆矩阵可视化

全文链接:https://tecdat.cn/?p=33760原文出处：拓端数据部落公众号概述：众所周知，心脏疾病是目前全球最主要的死因。开发一个能够预测患者心脏疾病存在的计算系统将显著降低死亡率并大幅降低医疗保健成本。机器学习在全球许多领域中被广泛应用，尤其在医疗行业中越来越受欢迎。机器学习可以在预测关键疾病（例如心脏病）的存在或不存在方面发挥重要作用。如果能提前准确预测这些信息，可以为医生提供

·2024-02-11 18:20

1.9 神经网络结构搜索(NAS)

·2024-02-11 18:08

推荐频道

神经网络人工智能深度学习