神经网络发展史第3页

python利用向量数据库chroma实现RAG检索增强生成

知识更新问题最先进的LLM会接受大量的训练数据，将广泛的常识知识存储在神经网络的权重中

Cachel wood·2024-09-07 09:25

深度学习框架相关-Python模块的介绍和使用---torch

文章摘要：'''1.torch模块，是一个开源的深度学习框架，主要用于构建和训练神经网络。

sccum·2024-09-07 09:22

【计算机视觉前沿研究热点顶会】ECCV 2024中目标检测有关的论文

整值训练和尖峰驱动推理脉冲神经网络用于高性能和节能的目标检测与人工神经网络(ANN)相比，脑激励的脉冲神经网络(SNN)具有生物合理性和低功耗的优势。

平安顺遂事事如意·2024-09-07 08:17

【计算机视觉前沿研究热点顶会】ECCV 2024中Mamba有关的论文

MambaIR：状态空间模型图像恢复的简单基线近年来，图像恢复技术取得了长足的进步，这在很大程度上归功于现代深度神经网络的发展，如CNN和Transformers。

平安顺遂事事如意·2024-09-07 08:17

Python中的深度学习神经网络

文章目录1.引言-简介-深度学习与Python的关系2.神经网络的原理-神经网络基础知识-Python中的神经网络库与工具-构建与训练神经网络模型的步骤深度学习训练过程3.卷积神经网络的原理-卷积层与池化层

2301_78297473·2024-09-07 08:46

class 7: vue.js 3 前端工程化

因此，我们需要使用webpack或者Vite构建一个支持SFC开发的Vue.js3环境目录前端发展史webpackVueCLI脚手架前端发展史Web早期：也就是互联网发展早期，前端开发人员只负责写静态页面

Clarence Liu·2024-09-07 07:39

预训练语言模型的前世今生 - 从Word Embedding到BERT

目录一、预训练1.1图像领域的预训练1.2预训练的思想二、语言模型2.1统计语言模型2.2神经网络语言模型三、词向量3.1独热（Onehot）编码3.2WordEmbedding四、Word2Vec模型五

脚步的影子·2024-09-07 06:34

如何在3D无序抓取中应用深度学习算法？

特征提取：利用深度学习算法（如卷积神经网络CNN）对预处理后的图像进行特征提取。这些特征可以是物体的形状、纹理、边缘等，有助于区分不同的物体。分类

道亦无名·2024-09-07 03:14

AI领域常用缩写词

ArtificialIntelligence，AI）通用人工智能（ArtificialGeneralIntelligence,AGI）生成式AI（AIgeneratedcontent,AIGC）智能体（Agent）人工神经网络

大道不孤,众行致远·2024-09-07 01:33

模型剪枝综述

目录1深度神经网络的稀疏性：2剪枝算法分类：3具体的剪枝方法包括：4剪枝算法流程：5几种常见的剪枝算法：6结构化剪枝和非结构化剪枝各有其优缺点：7剪枝算法对模型精度的影响8影响剪枝算法对模型精度的因素模型压缩中的剪枝算法是一种应用广泛的模型压缩方法

发狂的小花·2024-09-06 23:20

Transformer模型在文本摘要任务中的应用与性能分析

1.Transformer模型简介Transformer模型是一种基于自注意力机制的神经网络架构，它摆脱了传统的

liuxin33445566·2024-09-06 20:59

YOLOv10改进 | Conv篇 | YOLOv10引入24年最新卷积模块LDConv

1.LDConv介绍1.1摘要：基于卷积运算的神经网络在深度学习领域取得了显著的成果，但标准卷积运算存在两个固有的缺陷。

小李学AI·2024-09-06 15:56

环境安装-1：Python3.8+CUDA11.6.1+cuDNN8.6+Tensorflow-gpu2.6.1

（来自百度词条）2.cuDNNNVIDIACUDA深度神经网络库(cuDNN)是一个GPU加速的深度神经网络基元库，能够以高度优化的方式实现标准例程（如前向和反

w坐看云起时·2024-09-06 10:50

昇腾Ascend C算子开发学习笔记

日华为上研院培训笔记记录，感觉老师讲的还是很不错的昇腾AscendC算子开发学习笔记昇腾处理器的常用算子库核心融合算子库：核心融合算子库是华为昇腾AI处理器提供的基本算子库，包含了各种常用的深度学习算子，可以高效地执行各种神经网络计算任务

回到唐朝当王爷·2024-09-06 06:21

MPU、MCU、SoC、Application Processors的区别

文章目录1.嵌入式发展史2.CPU3.MPU4.MCU5.SoC6.ApplicationProcessors7.不同处理器运行的操作系统MCU（MicrocontrollerUnit）应用处理器（ApplicationProcessors

TENET-·2024-09-06 05:18

NPU技术总结

NPUs简介定义:NPUs是一种专门为执行机器学习算法和神经网络操作而设计的处理器。起源:随着人工智能和深度学习的发展，NPUs应运而生，以满足对高效率和高能效的计算需求。

技术学习分享·2024-09-06 00:47

stl文件 python_STL_10数据集处理

这次要写的是stl10用于自编码器自编码，又称自编码器(autoencoder)，是神经网络的一种，经过训练后能尝试将输入复制到输出。

weixin_39614094·2024-09-06 00:17

叶斯神经网络（BNN）在训练过程中损失函数不收敛或跳动剧烈可能是由多种因素

贝叶斯神经网络（BNN）在训练过程中损失函数不收敛或跳动剧烈可能是由多种因素引起的，以下是一些可能的原因和相应的解决方案：学习率设置不当：过高的学习率可能导致损失函数在优化过程中震荡不收敛，而过低的学习率则可能导致收敛速度过慢

zhangfeng1133·2024-09-05 23:06

IT历史：互联网简史

Hobbes的互联网大事记-权威的互联网发展史Hobbes’Internet大事记v4.2作者：RobertH’obbes’ZakonInternet福音传道者译者：郭力Internet大事记的版权归RobertHZakon

weixin_34275734·2024-09-05 18:00

AI模型：追求全能还是专精？

例子包括决策树、支持向量机（SVM）、神经网络等。无监督学习模型：这些模型处理没有标签的数据，目的是

Lill_bin·2024-09-04 23:00

pytorch实战-7图像风格迁移

2015lerogatys尝试用神经网络做风格迁移，效果很好，并成为了主流。神经网络做风格迁移前，主要有纹理生

新世纪摸鱼战士678·2024-09-04 18:02

深度学习算法——Transformer

参考教材：动手学pytorch一、模型介绍Transformer模型完全基于注意力机制，没有任何卷积层或循环神经网络层。

fw菜菜·2024-09-04 18:31

深度学习入门：使用 PyTorch 构建和训练你的第一个神经网络

引言深度学习是机器学习的一个分支，它利用多层非线性处理单元（即神经网络）来解决复杂的模式识别问题。PyTorch是一个强大的深度学习框架，它提供了灵活的API和动态计算图，非常适合初学者和研究者使用。

Mr' 郑·2024-09-04 13:29

李宏毅机器学习笔记——反向传播算法

反向传播算法反向传播（Backpropagation）是一种用于训练人工神经网络的算法，它通过计算损失函数相对于网络中每个参数的梯度来更新这些参数，从而最小化损失函数。

小陈phd·2024-09-04 10:07

【机器学习-神经网络】循环神经网络

在机器学习和深度学习的领域中，循环神经网络（RNN）作为一种处理序列数据的强大工具，已经在诸多应用场景中展现出了巨大的潜力。

刷刷刷粉刷匠·2024-09-04 10:36

学习笔记---自动驾驶

2.端到端深度神经网络：通过深度神经网络将感知数据直接映射到控制命令，简化自动驾驶系统的决策流程。3.卷积神经网络（CNN）：关键技术用于提取图像特征，包括卷积层、激活函数、池化层等组件处理图像数据。

酒饮微醉-·2024-09-04 09:33

caffe/PyTorch/TensorFlow 在Jupyter Notebook GPU中运用

对于大型数据集和复杂的神经网络结构，使用GPU可以大大减少训练时间。实时数据增强：在训练过程中，可以实时地对输入数据进行变换和增强，以提高模型的泛化能力。GPU加速使得这些操作更加高效。

俊俏的萌妹纸·2024-09-04 04:26

人人都能懂的机器学习——用Keras搭建人工神经网络02

感知机1957年，FrankRosenblatt发明了感知机，它是最简单的人工神经网络之一。

苏小菁在编程·2024-09-04 03:28

【Python机器学习】卷积神经网络（CNN）的工具包

Python是神经网络工具包最丰富的语言之一。两个主要的神经网络架构分别是Theano和TensorFlow。这两者的底层计算深度依赖C语言，不过它们都提供了强大的PythonAPI。

zhangbin_237·2024-09-04 01:38

【Python机器学习】卷积神经网络（CNN）

卷积神经网络（CNN）得名于在数据样本上用滑动窗口（或卷积）的概念。卷积在数学中应用很广泛，通常与时间序列数据相关。

zhangbin_237·2024-09-04 01:38

【深度学习】

神经网络在训练的

feifeikon·2024-09-04 00:34

深度学习基础之循环神经网络

目录基本概念与特点定义与工作原理结构组成应用领域自然语言处理语音识别时间序列分析优缺点优点缺点改进方法总结循环神经网络在自然语言处理中的最新应用和研究进展是什么？

Ctrl+CV九段手·2024-09-04 00:02

【HLOA-BP】基于角蜥蜴算法优化BP神经网络的风电功率预测研究（Matlab代码实现）

欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录⛳️赠与读者1概述一、研究背景与意义二、研究方法三、研究挑战与展望2运行结果3参考文献4Matlab代码、数据⛳️赠与读者‍做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。

@橘柑橙柠桔柚·2024-09-03 19:34

机器学习在医学中的应用

机器学习的基本概念：简要介绍机器学习的基本原理、分类（监督学习、非监督学习、强化学习等）和常用算法（如神经网络、支持向量机、随

听忆.·2024-09-03 18:25

02 使用 LSTM 进行时间序列预测

LSTM（长短期记忆网络）是一种特殊的递归神经网络（RNN

柒魅。·2024-09-03 15:39

MongoDB常用操作查询

如果可以帮到你，真的很开心1.刚听说公司要用MongoDB的时候，是很晕的，一是不知道如何着手查询，因为完全不同于SQL的方式，二是不知道为什么要用MongoDB，好在哪里2.后来查阅了资料，了解MongoDB的发展史

小猪佩奇Lisa·2024-09-03 14:58

计算机视觉之 GSoP 注意力模块

计算机视觉之GSoP注意力模块一、简介GSopBlock是一个自定义的神经网络模块，主要用于实现GSoP（GlobalSecond-orderPooling）注意力机制。

Midsummer-逐梦·2024-09-03 12:18

NeRF学习——NeRF初步认识

NeRFNeRF，全名为NeuralRadianceFields，是一种基于深度学习的三维场景隐式表示和渲染方法1NeRF的基本概念1.1辐射场表示场景NeRF的核心思想是通过神经网络训练出来的辐射场对场景进行隐式表示

PLUS_WAVE·2024-09-03 08:23

计算机毕业设计hadoop+spark知识图谱房源推荐系统房价预测系统房源数据分析房源可视化房源大数据大屏大数据毕业设计机器学习

创新点：1.支付宝沙箱支付2.支付邮箱通知(JavaMail)3.短信验证码修改密码4.知识图谱5.四种推荐算法(协同过滤基于用户、物品、SVD混合神经网络、MLP深度学习模型)6.线性回归算法预测房价

计算机毕业设计大全·2024-09-03 07:05

深度学习(二)

CuDNN（CUDADeepNeuralNetworklibrary）是NVIDIA为加速深度学习计算而开发的高性能GPU加速库，专门优化了深度神经网络（DNN）的常见操作，如卷积、池化、归一化和激活函数等

小泽爱刷题·2024-09-03 06:10

人工智能&机器学习&深度学习

深度学习：一切运用了神经网络作为参数结构进行优化的机器学习算法。强化学习：不仅能利用现有数据，还可以通过对环境的探索获得新数据，并利用新数据循环往复地更新迭代现有模型的机器学习算法。

AA杂货铺111·2024-09-03 06:26

OpenAI Chatgpt发展历史和Chatgpt-3的研发过程工作原理

该技术使用了一种无需人类标注的方式，使神经网络学习到了大量自然语言处理任务的知识。2018年，OpenAI团队开发了第一个GPT模型，并在自然语言处理领域取得了显著的成果。该

roxxo·2024-09-03 04:29

这项来自中国的AI研究介绍了1位全量化训练（FQT）：增强了全量化训练（FQT）的能力至1位

全量化训练（FQT）可以通过将激活、权重和梯度转换为低精度格式来加速深度神经网络的训练。量化过程使得计算速度更快，且内存利用率更低，从而使训练过程更加高效。

量子位AI·2024-09-02 22:16

基于示例详细讲解模型PTQ量化的步骤（含代码）

1.模型训练我们假设已经训练了一个卷积神经网络（CNN），例如VGG-16。训练完成后，我们得到了一个以32位浮点数表示的模型权重和激活值。

LQS2020·2024-09-02 19:32

灾难性遗忘问题（Catastrophic Forgetting，CF）是什么？

在深度学习和人工智能领域中，“灾难性遗忘”（CatastrophicForgetting）是指当神经网络在增量学习（IncrementalLearning）或持续学习（ContinualLearning

Chauvin912·2024-09-02 14:36

大语言模型诞生、探索和爆发阶段

2017年：Google发表了Transformer架构，这是一种基于自注意力机制的神经网络架构，它彻底改变了自然语言处理（NLP）领域，使得大规模并行化处理成为可能，

花开盛夏^.^·2024-09-02 10:38

AI学习指南深度学习篇-门控循环单元的调参和优化

AI学习指南深度学习篇：门控循环单元的调参和优化引言神经网络在处理序列数据（如文本、时间序列等）方面展现出了强大的能力。

俞兆鹏·2024-09-02 09:05

量子多体理论怎么样理解,多体系统的量子理论

谷歌人工智能写作项目：神经网络伪原创量子多体理论和量子场论之间有什么异同呢？我粗略的看了文小刚老师

小浣熊的技术·2024-09-02 09:35

守正创新勇毅前行不断开创干部工作新局面

党的二十大是我们党在关键时期召开的一次十分重要的大会，在党和国家发展史上具有里程碑意义。

小郑_102b·2024-09-02 06:17

每天五分钟计算机视觉：Siamese深度神经网络模型和FaceNet的关系

本文重点在前面的课程中，我们学习了Siamese深度神经网络模型和FaceNet，二者都可以完成人脸识别任务，本文进行整理学习，理清二者的区别和联系。

幻风_huanfeng·2024-09-02 05:07

推荐频道

神经网络发展史