神经网络计算机硬件第2页

深度学习算法，该如何深入，举例说明

理论深入数学基础线性代数：理解向量、矩阵、特征值和特征向量等，对于理解神经网络的权重和偏置矩阵至关重要。概率论：用于理解模型的不确定性，如Dropout等正则化技术。微积分：理解梯度下降等优化算

liyy614·2024-09-11 14:12

深度学习算法在图算法中的应用（图卷积网络GCN和图自编码器GAE）

深度学习算法在图算法中的应用1.图卷积网络（GraphConvolutionalNetworks,GCN）图卷积网络（GCN）是一种将卷积神经网络（ConvolutionalNeuralNetworks

大嘤三喵军团·2024-09-11 12:52

SSD目标检测系统

首发于个人博客系统结构system.pngSSD识别系统也是一种单步物体识别系统，即将提取物体位置和判断物体类别融合在一起进行，其最主要的特点是识别器用于判断物体的特征不仅仅来自于神经网络的输出，还来自于神经网络的中间结果

月见樽·2024-09-11 09:36

【Hopfield 网络】记忆和联想

Hopfield网络：记忆和联想这篇内容是观看这个视频（神经网络是如何联想和记忆的）之后的emmm可以说是总结吧！开篇如果我们突然听到了一首歌，我们为什么能快速的反应出这是哪首歌？这很不可思议，对吧！

Deno_V·2024-09-11 06:44

Matlab实现BP-NSGA-II多目标预测优化方法

本文还有配套的精品资源，点击获取简介：本文涉及将遗传算法优化的BP神经网络与NSGA-II相结合，应用于多目标预测问题的解决。

含老司开挖掘机·2024-09-10 20:08

深度学习驱动下的字符识别：挑战与创新

国内研究者主要使用基于模板匹配的方法、基于统计模型的方法、基于神经网络的方法等各种方法进行字符识别研究。目前，国内各大

逼子歌·2024-09-10 18:49

Adam优化器：深度学习中的自适应方法

引言在深度学习领域，优化算法是训练神经网络的核心组件之一。Adam（AdaptiveMomentEstimation）优化器因其自适应学习率调整能力而受到广泛关注。

2401_85743969·2024-09-10 18:46

Deep learning for Computer Vision with Python（1）从零开始入门计算机视觉

本书的内容分成三个部分：1.初始阶段初始阶段学习：机器学习、神经网络、卷积神经网络、建立数据集。2.实践阶段实践阶段：深入学习深度学习，理解先进技术，发现最佳实践方式。

Hazelyu27·2024-09-10 16:59

七十二五·2024-09-10 15:21

auto encoder

Deepauto-encoder与受限玻尔兹曼机有点像，都可以进行信息的压缩，都可以用作pre-trainning.区别在于受限玻尔兹曼机是无向图模型，而Deepauto-encoder是一种神经网络,

war3gu·2024-09-10 06:58

自动编码器 - Autoencoder

文章目录一、自编码器（Autoencoder）简单模型介绍二、神经网络自编码模型三、神经网络自编码器三大特点四、自编码器（Autoencoder）搭建五、几种常见编码器1.堆栈自动编码器2.欠完备自编码器

hellozhxy·2024-09-10 05:53

关于深度森林的一点理解

TowardsAnAlternativetoDeepNeuralNetworks的论文，一石激起千层浪，各大媒体纷纷讨论着，这似乎意味着机器学习的天色要变，实则不然，周志华老师通过微博解释道，此篇论文不过是为机器学习打开了另一扇窗，是另一种思维，而不是真的去替代深度神经网络

Y.G Bingo·2024-09-10 03:10

微积分在神经架构搜索中的应用

微积分在神经架构搜索中的应用1.背景介绍随着深度学习技术的飞速发展,神经网络模型的复杂度也在不断提高,从最初的简单全连接网络,到如今的卷积神经网络、循环神经网络、注意力机制等各种复杂的神经网络架构。

光剑书架上的书·2024-09-10 03:34

深度解析：从概念到变革——Transformer大模型的前世今生以及大模型预备知识讲解[知存科技]

针对AI应用场景，在全球率先商业化量产基于存内计算技术的神经网络芯片。

汀、人工智能·2024-09-10 02:00

深度学习思考

神经网络如果能了解每一层输出的意义，就可以避免end－to－end的黑箱理论，对理论话深度学习很有意义，一个思路是经验值，将每一层在特定任务下都有输出，对结果作经验总结，比方说浅层输出低层次的几何轮廓特征

夜雪朝歌·2024-09-09 19:45

目标检测-YOLOv1

它基于单个卷积神经网络，将目标检测任务转化为一个回归问题，通过在图像上划分网格并预测每个网格中是否包含目标以及目标的位置和类别来实现目标检测。

wydxry·2024-09-09 15:06

神经网络专业硕士就业,神经科学专业就业方向

想问一下学神经网络的研究生毕业的工作就业方向是哪些类！！同声传译:同声传译员被称为“21世纪第一大紧缺人才”。“同传的薪金是按照小时和分钟来算的,现在的价码是每小时4000元到8000元。”

小浣熊的技术·2024-09-09 15:05

【神经网络系列（高级）】神经网络Grokking现象的电路效率公式——揭秘学习飞跃的秘密【通俗理解】

【通俗理解】神经网络Grokking现象的电路效率公式论文地址：https://arxiv.org/abs/2309.02390参考链接：[1]https://x.com/VikrantVarma_/status

神经美学_茂森·2024-09-09 14:54

线性代数|机器学习-P33卷积神经网络ImageNet和卷积规则

文章目录1.ImageNet2.卷积计算2.1两个多项式卷积2.2函数卷积2.3循环卷积3.周期循环矩阵和非周期循环矩阵4.循环卷积特征值4.1卷积计算的分解4.2运算量4.3二维卷积公式5.KroneckerProduct1.ImageNetImageNet的论文paper链接如下：详细请直接阅读相关论文即可通过网盘分享的文件：imagenet_cvpr09.pdf链接:https://pan.

取个名字真难呐·2024-09-09 13:50

【人工智能】大话什么是神经网络

直到人工神经网络技术的出现，才让机器拥有了“真智能”。为什么说之前的方法都是假智能呢？因

路上阳光·2024-09-09 11:43

Pointnet++改进即插即用系列：全网首发DilatedReparamBlock |即插即用，提升特征提取模块性能

目录1.理论介绍2.修改步骤2.1步骤一2.2步骤二2.3步骤三1.理论介绍近年来，大核卷积神经网络(ConvNets)得到了广泛的研究关注，但有两个尚未解决的关键问

AICurator·2024-09-09 04:19

基于深度学习的动态场景理解

该技术在自动驾驶、智能监控、机器人导航、增强现实等领域有着广泛应用，通过深度学习模型，特别是卷积神经网络（CNNs）、递归神经网络（RNNs）、图神经网络（GNNs）等，对复杂动态场景进行实时解读。

SEU-WYL·2024-09-09 03:14

电脑操作从零到精通：全方位入门资源包

1.计算机基础知识和组成部分1.1计算机硬件与软件概述计算

马屿人·2024-09-09 03:44

程序员心中的一道坎：主存的编址与计算和串并联系统！

如果你想突破程序员的职业发展瓶颈，计算机硬件、操作系统原理、编译原理等是一定要掌握的知识。而【冰河技术】微信公众号的【程序员进阶系列】专题就是要系统的向大家分享程序员进阶需要掌握的各项知识技能。

冰河团队·2024-09-08 23:16

人工智能时代的程序设计教学与课程设计

作者：于仕琪，郑锋，廖琪梅，田蕾单位：南方科技大学计算机科学与工程系摘要：随着人工智能的兴起，学生对编程的热情逐渐从C/C++向Python迁移，对于计算机硬件体系结构的理解也呈现逐年下降的趋势。

于仕琪（南科大）·2024-09-08 21:01

Tensorflow中Keras搭建神经网络六步法及参数详解 -- Tensorflow自学笔记12

一.tf.keras搭建神经网络六步法1.import相关模块如importtensorflowastf。

青瓷看世界·2024-09-08 21:00

pytorch正向传播没问题，loss.backward()使定义的神经网络中权重参数变为nan

记录一个非常坑爹的bug:loss回传导致神经网络中一个linear层的权重参数变为nan1.首先loss值是正常数值；2.查了好多网上的解决办法：检查原始输入神经网络数据有没有nan值，初始化权重参数

加速却甩不掉伤悲·2024-09-08 16:02

PyTorch库学习之nn.ConvTranspose2d(模块)

转置卷积通常用于生成比输入更大的输出，例如在生成对抗网络（GANs）和卷积神经网络（CNNs）的解码器部分。

Midsummer-逐梦·2024-09-08 16:01

【论文阅读】Mamba:选择状态空间模型的线性时间序列建模（二）

额外的模型细节A讨论：选择机制C选择SSM的机制Mamba论文第一部分Mamba:选择状态空间模型的线性时间序列建模(一)3.4一个简化的SSM结构如同结构SSM，选择SSM是单独序列变换可以灵活地整合进神经网络

syugyou·2024-09-08 15:52

神经网络的基本骨架——nn.Module的使用

torch.nn.Module是所有神经网络模块的基本类，所有神经网络都需要继承实现它。这是官网给出的一个示例，首先继承父类nn.Module并初始化，然后重载前向传播foward方法。

搁浅丶.·2024-09-08 12:27

机器学习-神经网络：循环神经网络（RNN）详解

引言在当今人工智能（AI）和深度学习（DL）领域，循环神经网络（RNN）作为一种专门处理序列数据的模型，具有不可忽视的重要性。

刷刷刷粉刷匠·2024-09-08 11:54

亚马逊云科技大语言模型加速OCR应用场景发展

大语言模型是一种基于神经网络的自然语言处理技术，它能够学习和预测自然语言文本中的规律和模式，可以理解和生成自然语言的人工智能程序。

热爱coding的星辰·2024-09-08 10:19

Tensorflow2.16中的Keras包含哪些层(layers)?层的功能及参数详细解释 -- TensorFlow自学笔记6

在Keras中，层（Layer）是构建神经网络的基本组件。Keras提供了多种类型的层，用于处理不同类型的输入数据和执行特定的数学操作。

青瓷看世界·2024-09-08 09:42

【统计学习方法】感知机

一、前言感知机是FrankRosenblatt在1957年就职于康奈尔航空实验室时所发明的一种人工神经网络。它可以被视为一种最简单的前馈神经网络，是一种二元线性分类器。

jyyym·2024-09-08 04:08

机器学习100天-Day2503 Tensorboard 训练数据可视化（线性回归）

tutorials/machine-learning/tensorflow/4-1-tensorboard1/)今日重点读懂教程中代码，手动重写一遍，在浏览器中获取到训练数据Tensorboard是一个神经网络可视化工具

我的昵称违规了·2024-09-08 03:15

LeYOLO 用于目标检测的新型可扩展和高效CNN架构 | 最新轻量化SOTA! 5GFLOP下无对手！

论文地址：https://arxiv.org/pdf/2406.14239代码地址：https://github.com/LilianHollard/LeYOLO/tree/main在深度神经网络中，计算效率对于目标检测至关重要

迪菲赫尔曼·2024-09-08 02:21

Pytorch机器学习——3 神经网络（三）

outline神经元与神经网络激活函数前向算法损失函数反向传播算法数据的准备PyTorch实例：单层神经网络实现3.2激活函数3.2.2TanhTanh是一个双曲三角函数，其公式如下所示：image.png

辘轳鹿鹿·2024-09-07 21:50

人工智能与机器学习原理精解【1】

文章目录Rosenblatt感知器感知器基础收敛算法算法概述算法步骤关键点说明总结C++实现要点代码参考文献Rosenblatt感知器感知器基础感知器，也可翻译为感知机，是一种人工神经网络。

叶绿先锋·2024-09-07 19:06

Python(TensorFlow)和Java及C++受激发射损耗导图

要点神经网络监督去噪预测算法聚焦荧光团和检测模拟平台伪影消除算法性能优化方法自动化多尺度囊泡动力学成像生物研究多维分析统计物距粒子概率算法Python和MATLAB图像降噪算法消除噪声的一种方法是将原始图像与表示低通滤波器或平滑操作的掩模进行卷积

亚图跨际·2024-09-07 17:21

用“说”智能控制灯具开关语音识别芯片NRK3603

九芯电子·2024-09-07 10:33

探索未来之声：GLaDOS 文本转语音引擎

GLaDOSTTS，基于神经网络

卓桢琳Blackbird·2024-09-07 10:02

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。