神经网络笔记第8页

周志华机器学习西瓜书第五章神经网络-学习笔记(超详细)

在机器学习中，神经网络一般指的是"神经网络学习"，是机器学习与神经网络两个学科的交叉部分。

Sodas（填坑中....）·2025-03-02 18:50

2W8000字 LLM架构文章阅读指北

大模型架构之词嵌入（Part1）3、LLM大模型架构之词嵌入（Part2）3、LLM大模型架构之词嵌入（Part3）4、LLM架构从基础到精通之Word2Vec训练全解析5、LLM架构从基础到精通之循环神经网络

·2025-03-02 17:24

Matlab 大量接单

机器学习、深度学习、强化学习、仿真、复现、算法、神经网络、建模、图像识别、数据挖掘、数据获取、爬虫、数据分析、目标检测、算法创新、因子分析、相关分析、方差分析、判别分析、方程分析、线性回归、中介

matlabgoodboy·2025-03-02 17:45

深度学习五大模型：CNN、Transformer、BERT、RNN、GAN解析

一、卷积神经网络（ConvolutionalNeuralNetwork,CNN）原理：CNN主要由卷积层、池化层和全连接层组成。

大模型_学习路线·2025-03-02 16:04

3.4.4- 先颜色后形状的方式 STM32串口通信 openmv+STM32串口通信 openmv串口通信openmv识别物体 openmv神经网络训练 openmv数字识

非常详细的视频和文字教程，讲解常见的openmv教程包括巡线、物体识别、圆环识别、阈值自动获取等。非常适合学习openmv、K210、K230等项目视频合集链接在:openmv教程合集openmv入门到项目开发openmv和STM32通信openmv和opencv区别openmv巡线openmv数字识别教程LCD3.4.4-先颜色后形状的方式可以再试试先颜色后形状的识别方式。importsenso

好家伙VCC·2025-03-02 15:25

3.4.5-识别形状+颜色+增加最小变化阈值 STM32串口通信 openmv+STM32串口通信 openmv串口通信openmv识别物体 openmv神经网络训练 openmv数字识

非常详细的视频和文字教程，讲解常见的openmv教程包括巡线、物体识别、圆环识别、阈值自动获取等。非常适合学习openmv、K210、K230等项目视频合集链接在:openmv教程合集openmv入门到项目开发openmv和STM32通信openmv和opencv区别openmv巡线openmv数字识别教程LCD3.4.5-识别形状+颜色+增加最小变化阈值在形状+颜色的识别效果中，发现小球是不动，

好家伙VCC·2025-03-02 15:25

深度学习框架之主流学习框架

深度学习框架是一类专门设计用来简化和加速神经网络模型开发过程的软件工具。它们提供了构建、训练和部署神经网络所需的各种功能和库。

uu1224·2025-03-02 14:17

指数移动平均（EMA）策略

在神经网络领域，EMA常被用于对模型参数进行平滑处理，使得网络模型在训练过程中能够更加稳定且泛化能力可能得到提升。

Sherry Wangs·2025-03-02 13:06

Pytorch神经网络魔改之：模型融合 - 速通（1）

本文将以几种常见方法为例，介绍如何进行Pytorch神经网络的模型融合：1.子模型串联(SequentialConcatenation)在这个方法中，输入数据x首先通过FeatureExtractor(

lczdyx·2025-03-02 13:05

python代码实现支持神经网络对鸢尾花分类

1、导入支持向量机模型，划分数据集fromsklearnimportdatasetsfromsklearnimportsvmiris=datasets.load_iris()iris_x=iris.datairis_y=iris.targetindices=np.random.permutation(len(iris_x))iris_x_train=iris_x[indices[:-10]]iri

邀_灼灼其华·2025-03-02 09:00

Grok-3和DeepSeek-R1，谁更胜一筹？

一、基础能力的对称平衡能力维度Grok-3DeepSeek-R1参数量级混合专家模型（MoE）架构，总参量4.2T，活跃参数860B稠密神经架构，320B全激活参数知识保鲜动态知识注入（每

xiaocang668888·2025-03-02 08:56

构建神经网络之sklearn（完善）

1.数据预处理1.缺失值importpandasaspd#假设我们有一个DataFramedfprint(df.isnull().sum())#查看每一列缺失值的数量数值型数据：fromsklearn.imputeimportSimpleImputer#对于数值型数据，使用均值填充imputer=SimpleImputer(strategy='mean')#可选：'mean','median','

邪恶的贝利亚·2025-03-02 08:23

从零到精通：小白DeepSeek全栈入门指南

第一部分：认知准备（1-3天）1.1基础概念搭建人工智能三要素：数据/算法/算力深度学习与传统机器学习的区别神经网络基本结构（输入层/隐藏层/输出层）常用术语解析：epoch、batch、loss、accuracy1.2

好东西不迷路·2025-03-02 06:37

卷积这个词在卷积神经网络中应该怎么理解

卷积的定义数学概念：在数学上，卷积是一种操作，通常用于两个函数之间的运算。对于图像处理而言，这些函数通常是输入图像和一个称为“卷积核”或“滤波器”的小矩阵。在CNN中的应用：卷积操作是通过滑动窗口（卷积核）与输入数据进行点乘并求和来提取特征的。具体步骤定义卷积核：一个卷积核是一个小矩阵，通常为3x3、5x5等尺寸。卷积核中的每个值称为权重（weights），这些权重是通过训练过程优化得到的。滑动窗

abments·2025-03-02 06:05

深度学习模型可视化：通俗易懂的全面解读

随着神经网络的复杂性日益增加，开发者和研究人员逐渐意识到，可视化不仅是理解模型的一

Crazy learner·2025-03-02 06:33

图神经网络实战（9）——GraphSAGE详解与实现

图神经网络实战（9）——GraphSAGE详解与实现0.前言1.GraphSAGE原理1.1邻居采样1.2聚合2.构建GraphSAGE模型执行节点分类2.1数据集分析2.2构建GraphSAGE模型3

盼小辉丶·2025-03-02 02:39

如何用 DeepSeek 进行卷积神经网络（CNN）的优化

如何用DeepSeek进行卷积神经网络（CNN）的优化卷积神经网络（CNN）在计算机视觉任务中取得了巨大的成功，例如图像分类、目标检测和图像生成。

一碗黄焖鸡三碗米饭·2025-03-01 20:57

图像识别-pytorch

Pytorch神经网络工具箱神经网络核心组件神经网络的基本组件层：包括卷积层、池化层、全连接层等。层是神经网络的基本结构，输入张量通过层后变为输出张量。

星辰瑞云·2025-03-01 17:08

建筑兔零基础人工智能自学记录34|深度学习与神经网络2

1、人工神经网络ANN从生物课上学到的有关神经元、突触的生物神经网络，被模仿出了简化的人工神经网络（ANN,artificialneuralnetwork）。

阿克兔·2025-03-01 17:34

机器学习与深度学习资料

《BriefHistoryofMachineLearning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、DeepLearning.

JasonDing1354·2025-03-01 16:59

全过程带你从入门到精通《动手学PyTorch深度学习建模与应用》第二章：2.1-2.3节详解，篇幅超了，缺的后面再补吧

这一章的内容非常重要，因为它不仅涵盖了神经网络的基本原理，还介绍了激活函数、损失函数和优

环工人学Python·2025-03-01 15:53

基于 Pytorch 的全卷积网络人脸表情识别：从数据到部署的实战之旅

随着深度学习技术的发展，基于卷积神经网络的

那年一路北·2025-03-01 14:16

3月1日（信息差）

第一章信息差的技术本质：从数据流动到认知断层1.1全球科技信息链的拓扑结构在数字地球的神经系统里，信息差已演变为多层级复杂网络的结构性矛盾。

eqwaak0·2025-03-01 13:11

YOLOv5 + SE注意力机制：提升目标检测性能的实践

然而，随着应用场景的复杂化，传统的卷积神经网络在处理复杂背景和多尺度目标时可能会遇到性能瓶颈。为此，引入注意力机制成为了一种有效的改进方法。

那年一路北·2025-03-01 13:09

pip安装非标准版本号库报错 pip 24.1 will enforce this behaviour change.

在做神经网络作业安装tensorflow报错pyodbc4.0.0-unsupportedhasanon-standardversionnumber.pip24.1willenforcethisbehaviourchange.Apossiblereplacementistoupgradetoanewerversionofpyodbcorcontacttheauthortosuggestthatth

m0_74397054·2025-03-01 11:53

【模块】Non-local Neural

论文《Non-localNeuralNetworks》作用非局部神经网络通过非局部操作捕获长距离依赖，这对于深度神经网络来说至关重要。

dearr__·2025-03-01 10:48

yolov5-训练好的模型部署的几种方式-ONNX

ONNX所针对的是深度学习开发生态中最关键的问题之一，在任意一个框架上训练的神经网络模型，无法直接在另一个框架上用。开发者需要耗费大量时间精力把模型从一个开发平台移植到另一个。

黄晓魚·2025-03-01 08:30

大语言模型原理与工程实践：手把手教你训练 7B 大语言模型自动化训练框架

大语言模型原理与工程实践：手把手教你训练7B大语言模型自动化训练框架关键词：大语言模型、7B模型、自动化训练、深度学习、神经网络、自然语言处理、分布式计算文章目录大语言模型原理与工程实践：手把手教你训练

AI天才研究院·2025-03-01 07:24

机器幻觉产生的原因

线性函数在神经网络中的作用通常是传递梯度，但如果每一层都是线性的，整个网络就相当于一个单层的线性模型，无法学习复杂的模式。所以如果只有线性层而没有非线性激活函数的话，网络将无法处理复杂任务。

人机与认知实验室·2025-03-01 06:11

人类驾驶的人脑两种判断模式（反射和预判）--＞自动驾驶两种AI模式

一种模式是直觉模式，判断是基于条件反射，视觉感知触发到直接条件反射（从经历中沉淀形成的神经信息闭环），类似现在自动驾驶技术的传统AI模式。

liron71·2025-03-01 02:14

PyTorch 常见的损失函数：从基础到大模型的应用

PyTorch常见的损失函数：从基础到大模型的应用在用PyTorch训练神经网络时，损失函数（LossFunction）是不可或缺的“裁判”。

阿正的梦工坊·2025-02-28 22:19

Python从0到100（六十八）：Python OpenCV-图像边缘检测及图像融合

想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、计算机视觉、机器学习、神经网络以及人工智能相关知识

是Dream呀·2025-02-28 19:58

LSTM：解决梯度消失问题

1.背景介绍在深度学习领域，循环神经网络（RNN）是一种处理序列数据的强大工具。然而，RNN在处理长序列时面临着梯度消失的问题。

AI天才研究院·2025-02-28 19:57

科技武装到牙齿：小米SU7 Ultra对比SU7的全面进化论

当价格不再是唯一标尺，SU7Ultra用三电机系统重构性能边界，以3颗激光雷达重写智驾规则，更用900V高压平台和碳纤维车身诠释何为「旗舰天花板」——这场从动力架构到智能神经系统的全面迭代，正在重新定义高端电动轿跑的终极形态

PM简读馆·2025-02-28 17:10

Python深度学习实践：使用TensorFlow构建图像分类器

我们将深入探讨卷积神经网络（CNN）的基本原理，实现一个能够识别MNIST手写数字的数据集模型，并通过实战代码演示整个过程，最终展示模型的训练与评估。

Evaporator Core·2025-02-28 13:42

深度学习进阶：构建多层神经网络

在上一篇文章中，我们从零开始构建了一个简单的两层神经网络，并通过异或问题（XOR）展示了神经网络的强大能力。

孤寂大仙v·2025-02-28 12:37

神经网络中的Adam

Adam（AdaptiveMomentEstimation）是一种广泛使用的优化算法，结合了RMSprop和动量（Momentum）的优点。它通过计算梯度的一阶矩估计（mean）和二阶矩估计（uncenteredvariance），为每个参数提供自适应学习率。Adam由DiederikP.Kingma和JimmyBa在2014年的论文《Adam:AMethodforStochasticOptimi

化作星辰·2025-02-28 08:01

神经网络中的Nesterov Momentum

NesterovAcceleratedGradient(NAG)，也称为NesterovMomentum，是一种改进版的动量优化算法，旨在加速梯度下降过程中的收敛速度，并提高对最优解的逼近效率。它由YuriiNesterov在1983年提出，是对传统动量方法的一种增强。###传统动量法回顾在传统的动量方法中，更新规则不仅考虑当前的梯度，还包含了之前所有梯度的方向和大小的累积（即“动量”），以帮助克

化作星辰·2025-02-28 08:31

神经网络中的Adagrad

Adagrad（AdaptiveGradient）是一种自适应学习率的优化算法，专门设计用于在训练过程中自动调整每个参数的学习率。这种方法对于处理稀疏数据特别有效，并且非常适合那些需要频繁更新但很少使用的参数的学习任务。###Adagrad的核心思想Adagrad通过累积过去所有梯度平方的和来调整每个权重的学习率。具体来说，它为网络中的每个参数维护一个历史梯度平方和，然后用这个累积值来缩放当前的学

化作星辰·2025-02-28 07:53

大模型专栏博文汇总和索引

Donvink·2025-02-28 03:53

金融风控与医疗影像算法创新前沿

医疗影像诊断领域则依托三维卷积神经网络（3D-CNN）架构，实现了对CT、MRI等多模态影像的精准病灶分割，诊断准确率较传统方法提升23.6%。

智能计算研究中心·2025-02-28 02:44

AI探索笔记：浅谈人工智能算法分类

这张图片通过三个同心圆展示了人工智能、机器学习和深度学习之间的包含关系，其中人工智能是最广泛的范畴，机器学习是其子集，专注于数据驱动的算法改进，而深度学习则是机器学习中利用多层神经网络进行学习的特定方法

安意诚Matrix·2025-02-28 00:52

pytorch阶段性总结2

nn神经网络functional当中卷积的使用importtorchimporttorch.nn.functionalasF#数据input=torch.tensor([[1,2,0,3,1],[0,1,2,3,1

Colinnian·2025-02-27 23:41

AI探索笔记：线性回归

下面分别用传统方法（sklearn）和神经网络（pytorch）来解决线性回归问题。

安意诚Matrix·2025-02-27 22:37

DCMNet一种用于目标检测的轻量级骨干结构模型详解及代码复现

早期的手工特征提取方法如Viola-Jones和HOG逐渐被卷积神经网络（CNN）取代，其中AlexNet在2012年的ILSVRC比赛中表现突出，推动了CNN在计算机视觉中的广泛应用。

清风AI·2025-02-27 21:03

UNet：UNet在自然环境监测中的应用案例_2024-07-24_09-14-11.Tex

UNet：UNet在自然环境监测中的应用案例UNet模型概述UNet是一种广泛应用于图像分割任务的卷积神经网络模型，由OlafRonneberger、PhilippFischer和ThomasBrox在

chenjj4003·2025-02-27 21:29

神经网络参数量计算

算一个只有两层的神经网络的参数量，我们需要考虑两层之间的连接权重和偏置项。以下是详细的计算步骤：网络结构输入层（第一层）：有2个神经元。输出层（第二层）：有3个神经元。

坠金·2025-02-27 20:49

图神经网络：拓扑数据分析的新时代

随着图数据的广泛应用，图神经网络（GraphNeuralNetwork,GNN）作为一种强大的深度学习工具，逐渐成为机器学习领域中的一颗新星。

Jason_Orton·2025-02-27 19:44

TensorFlow基础架构

处理结构计算图纸Tensorflow首先要定义神经网络的结构,然后再把数据放入结构当中去运算和training.处理结构因为TensorFlow是采用数据流图（dataflowgraphs）来计算,所以首先我们得创建一个数据流流图

humbinal·2025-02-27 19:40

深度学习重要论文阅读笔记 ResNet （2025.2.26）

文章目录问题背景数据预处理神经网络模型模型性能知识点积累英语单词积累问题背景随着神经网络变得更深（层数变多），模型的训练过程也会变得更加困难。

北岛寒沫·2025-02-27 16:50

推荐频道

神经网络笔记

周志华机器学习西瓜书 第五章 神经网络-学习笔记(超详细)