神经网路第3页

PyTorch 模型剪枝实例教程一、非结构化剪枝

而众所周知，生物神经网络使用高效的稀疏连接（生物大脑神经网络balabala啥的都是稀疏连接的），考虑到这一点，为了减少内存、容量和硬件消耗，同时又不牺牲模型预测的精度，在设备上部署轻量级模型，并通过私有的设备

小风_·2025-03-18 00:41

Dropout: 一种减少神经网络过拟合的技术

它通过在训练过程中随机“丢弃”（即暂时移除）网络中的一些神经元

冰蓝蓝·2025-03-17 23:37

【深度学习基础】第二十四课：softmax函数的导数

2.softmax函数的导数假设神经网络输出层的激活函数为softmax函数，用以解决多分类问题。在反向传播时，就需要计算softmax函数的导数，这也就是本文着重介绍的内容。

x-jeff·2025-03-17 21:15

AI如何创作音乐及其案例

AI创作音乐主要有以下几种方式：基于深度学习的生成模型深度神经网络：通过大量的音乐数据训练，让AI学习音乐的结构、旋律、和声、节奏等特征。

alankuo·2025-03-17 21:44

【sklearn 01】人工智能概述

长远目标是让机器实现人工智能，但目前我们仍处在非常初始的阶段，甚至不能称为智能机器学习是指通过数据训练出能完成一定功能的模型，是实现人工智能的手段之一，也是目前最主流的人工智能实现方法深度学习则是机器学习的分支，超过8层的神经网络模型就叫深度学习

@金色海岸·2025-03-17 20:41

DeepBranchTracer：一种使用多特征学习进行曲线结构重建的通用方法

一、研究背景曲线结构（curvilinearstructures）是图像中常见的几何元素，广泛应用于医学图像中的神经分支和血管，以及遥感图像中的道路等。从图像中重建这些

·2025-03-17 20:20

请编写一个Python程序，实现WOA-CNN-BiLSTM鲸鱼算法优化卷积双向长短期记忆神经网络多输入单输出回归预测功能。

实现一个基于鲸鱼优化算法（WOA）优化的卷积双向长短期记忆神经网络（CNN-BiLSTM）的多输入单输出回归预测功能是一个复杂的任务，涉及到多个步骤和组件。

2301_81121233·2025-03-17 17:21

网络神经架构的概念及其实际应用

###网络神经架构的概念**网络神经架构（NeuralNetworkArchitecture）**是指用于构建和组织人工神经网络（ArtificialNeuralNetworks,ANN）的结构和方法。

2301_81121233·2025-03-17 17:50

如何使用 Python 实现生成对抗网络

GAN模型由两个神经网络组成：一个生成器和一个判别器。生成器的任务是以噪声为输入，生成看似真实的图像；而判别器则需要根据输入的图像，判断该图像是真实的还是由生成器生成的。

NoABug·2025-03-17 17:15

GAN模型的Python应用——生成对抗网络

GAN模型由两个神经网络组成：生成器（Generator）和判别器（Discriminator）。生成器用于生成假样本，判别器用于评估真实性。

代码编织匠人·2025-03-17 17:15

【Attention】SEAttention

SEAttention摘要卷积神经网络（CNNs）的核心构建模块是卷积算子，它使网络能够通过在每一层的局部感受野内融合空间和通道信息来构建有价值的特征。

shanks66·2025-03-17 12:12

【技术实测】单一世界承载数万单位无分片同步！全球低延迟互动DEMO开放测试

核心突破分散式同步引擎`实现三大关键指标：✅无分片架构-全域实体即时同步✅毫秒级延迟-跨洲网路优化✅万级货运-秒登入不排队万人单一世界最新技术测试影片目前，我们已实现一定的技术突破，并希望收集开发者的回馈

微网兔子·2025-03-17 10:25

【sklearn 04】DNN、CNN、RNN

DNNDNN（DeepNeuralNetworks，深度神经网络）是一种相对浅层机器学习模型具有更多参数，需要更多数据进行训练的机器学习算法CNNCNN（convolutionalNeuralNetworks

@金色海岸·2025-03-17 09:24

从LLM出发：由浅入深探索AI开发的全流程与简单实践（全文3w字）

文章目录第一部分：AI开发的背景与历史1.1人工智能的起源与发展1.2神经网络与深度学习的崛起1.3Transformer架构与LLM的兴起1.4当前AI开发的现状与趋势第二部分：AI开发的核心技术2.1

码事漫谈·2025-03-17 09:48

java实现卷积神经网络CNN（附带源码）

Java实现卷积神经网络（CNN）项目详解目录项目概述1.1项目背景与意义1.2什么是卷积神经网络（CNN）1.3卷积神经网络的应用场景相关知识与理论基础2.1神经网络与深度学习概述2.2卷积操作与卷积层原理

Katie。·2025-03-17 07:38

数据增强正在杀死你的模型：90%开发者不知道的回译质量陷阱

回译数据增强（Back-translationAugmentation）是基于神经机器翻译的文本再生技术，其核心运作流程包含三个关键阶段：语义编码阶段：源语言文本通过NMT模型编码为中间语义表示跨语言迁移阶段

·2025-03-17 05:50

MobileNet家族：从v1到v4的架构演进与发展历程

MobileNet是一个专为移动设备和嵌入式系统设计的轻量化卷积神经网络（CNN）家族，旨在在资源受限的环境中实现高效的图像分类、对象检测和语义分割等任务。

彩旗工作室·2025-03-17 05:44

Vision Transformer (ViT) 详细描述及 PyTorch 代码全解析

它摒弃了传统卷积神经网络(CNN)的卷积操作，而是将图像分割成patches，并将这些patches视为序列输入到Transformer编码器中。

AIGC_ZY·2025-03-17 02:23

YOLOv5+UI界面在车辆检测中的应用与实现

近年来，深度学习技术的突破，特别是卷积神经网络（CNN）的崛起，使得目标检测技术取得了显著进展。

深度学习&目标检测实战项目·2025-03-16 23:03

【人工智能基础2】机器学习、深度学习总结

文章目录一、人工智能关键技术二、机器学习基础1.监督、无监督、半监督学习2.损失函数：四种损失函数3.泛化与交叉验证4.过拟合与欠拟合5.正则化6.支持向量机三、深度学习基础1、概念与原理2、学习方式3、多层神经网络训练方法一

roman_日积跬步-终至千里·2025-03-16 23:02

YOLO11改进-模块-引入多尺度差异融合模块MDFM

近年来，卷积神经网络（CNN）在具有挑战性的RSCD任务中展现出了良好的效果。然而，这些方法未能有效地融合双时相特征，也未提取出对后续RSCD任务有益的有用信息。

一勺汤·2025-03-16 19:05

DG-Manba模型详解及代码复现

这种机制允许模型根据输入数据的特征动态调整其行为，类似于递归神经网络（RNN）中的门控机制，但在状态空间模型（SSM）的框架下提供了更广泛的应用可能性。通过这种方式，DG-Ma

清风AI·2025-03-16 19:03

YOLO优化之扫描融合模块（SimVSS Block）

传统的卷积神经网络（CNN）虽然在目标检测领域取得了显著进展，但仍存在局限性，如局部关注性导致难以有效检测不同尺度的目标。

清风AI·2025-03-16 19:00

即插即用模块--KANLinear

KAN网络KAN网络即Kolmogorov-Arnold网络，是一类基于Kolmogorov-Arnold表示定理的神经网络架构，具有强大的非线性表达能力。

苏格拉没有鞋底·2025-03-16 17:51

【杨乐昆何凯明AI论文】没有归一化的Transformer模型

摘要：归一化层在现代神经网络中无处不在，长期以来一直被视为不可或缺的组成部分。本研究表明，通过使用一种极其简单的技术，没有归一化的Transformer模型可以达到相同或更好的性能。

东临碣石82·2025-03-16 11:02

深入探究YOLO系列的骨干网路

深入探究YOLO系列的骨干网路YOLO系列是目标检测领域中非常知名的算法。其通过将整个图像作为输入，并且直接在图像上通过一个单独的神经网络输出每个检测框的类别预测和边界框信息。

编码实践·2025-03-16 10:59

结节性硬化的预防主要涉及早期筛查

以下是关于预防结节性硬化的具体措施：一、早期筛查1.定期进行健康检查：定期进行全面的身体检查，包括皮肤、神经系统、眼部等部位的检查，有助于早期发现可能的结节性硬化病变。

poilkjmnbaa·2025-03-16 10:58

《Python深度学习》第四讲：计算机视觉中的深度学习

其实，这一切都离不开深度学习中的卷积神经网络（CNN）。今天，我们就来深入了解一下CNN是如何工作的。5.1卷积神经网络简介先来看下卷积神经网络（CNN）是什么。

earthzhang2021·2025-03-16 10:56

万人在单一世界互动问答集(2)---公开数据多少玩家能进行多少即时互动？

若我们同样线性推算，则60,000名玩家将产生约5.5GiB/s（约5500MiB/s）的网路流量，

微网兔子·2025-03-16 10:56

特发性震颤的预防方法主要涉及到以下几个方面

二、运动与锻炼：定期进行身体锻炼有助于维持肌肉和神经系统的健康。选择适合自己的锻炼

poilkjmnbaa·2025-03-16 10:24

FastDVDnet：基于深度学习的视频去噪框架

它利用了时间域的连续性和深层神经网络的力量，确保在

陆可鹃Joey·2025-03-16 07:38

深度学习 Deep Learning 第2章线性代数

张量操作是神经网络计算的基石，矩阵乘法是前向传播的核心，范数约束模型复杂度，而生成空间理论揭示模型表达能力的本质。本章介绍线性代数的基本内容，为进一步学习深度学习做准备。

odoo中国·2025-03-16 07:07

SDN架构解密：控制面如何“指挥”万亿级网络？ ——基于“大脑-四肢”模型的三层架构深度解析

一、SDN架构的“大脑-四肢”隐喻SDN通过控制平面-数据平面-应用平面的三层架构，构建了网络控制的“中枢神经系统”：控制层（大脑）：集中式控制器掌

不想加班的码小牛·2025-03-16 02:29

NPU的工作原理：神经网络计算的流水线

NPU的工作原理可以概括为以下几个步骤：1.模型加载·将训练好的神经网络模型加载到NPU的内存中。2.数据输入·输入数据（如图像、语音）通过接口传输到NPU。

绿算技术·2025-03-16 02:28

Nature：你的大脑衰老速度受这64个基因影响

按照Nature的评价，这是尝试确定影响器官衰退遗传因素这一研究领域里：迄今为止规模最大的一次尝试都柏林圣三一学院的神经

·2025-03-15 23:14

无线路由器配置

它相当于整个网络的“神经中枢”，一旦路由器配置不当或存在故障，整个网络就会出现异常，甚至瘫痪。因此在组建无线和有线网络时，一定要注意路由器的配置。

wespten·2025-03-15 21:55

a2,3-唾液酸转移酶|a2,3- sialyltransferase (PmST1)

功能：催化唾液酸在α2,3-键从其激活形式（如胞苷单磷酸N-乙酰神经氨酸，CMP-Neu5Ac）转移到糖蛋白或糖脂的末端半乳糖残基。

陕西星贝爱科·2025-03-15 20:47

（大模型微调大模型学习路线大模型入门）_大模型学习，吹爆！2025最详细的大模型学习路线已整理！手把手带你高效入门，大模型论文全打通！

这些大脑（模型）非常大，有的甚至有几千亿个参数，这些参数就像是大脑中的神经元，它们通过复杂的计算来理解和生成语言、图片等。举个例子，你可能听说过GPT-3，它就是一个非常著名的大模型。

大模型老炮·2025-03-15 17:28

OpenAI 团队组织架构和研发技术栈

他在神经网络和深度学习方面的研究具有重要影响，曾与

AI天才研究院·2025-03-15 16:50

CIR-DFENet：结合跨模态图像表示和双流特征增强网络进行活动识别

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·2025-03-15 15:42

SEORoal·2025-03-15 13:53

UNet 改进：添加Transformer注意力机制增强捕捉长距离依赖关系的能力

TransformerBlock是一个由两个子组件组成的构建块：多头注意力机制和前馈神经网络。这两个组件协同工作，处理和转换输入序列。多头注意力机制负责从输入序列中捕

听风吹等浪起·2025-03-15 08:41

认知科学：解决复杂问题的5个关键策略

它涉及到大脑、神经科学、心理学、语言学、人工智能和计算机科学等多个领域。认知科学试图揭示人类如何理解和处理信息，以及如何进行决策和行动。

AI天才研究院·2025-03-15 06:25

【儿童自信的生物学机制】

在继续深入探讨儿童自信的生物学机制时，我们需要将视角拓展至神经递质系统、突触动态平衡以及跨脑区网络整合等更深层的神经发育规律。

调皮的芋头·2025-03-15 06:50

神经网络完成训练的详细过程

神经网络完成训练的详细过程一、神经网络的基本概念神经网络是一种模拟人脑神经系统的计算模型，由大量的神经元（节点）和它们之间的连接（权重）组成。

每天五分钟玩转人工智能·2025-03-15 04:34

数据挖掘技术介绍

方法：决策树、支持向量机、神经网络、逻辑回归、

柒柒钏·2025-03-14 23:25

PINN物理信息网络 | 基于物理信息神经网络PINN求解Burger方程

基于物理信息神经网络（PINN）求解Burger方程的研究背景源于对非线性偏微分方程（PDE）求解方法的不断探索和改进。

算法如诗·2025-03-14 23:23

PINN物理信息网络 | 利用物理信息神经网络进行流体动力学建模

背景物理信息神经网络（Physics-InformedNeuralNetworks，PINN）是一种结合了神经网络和物理方程的方法，用于建模和求解物理问题。