神经第4页

14篇图神经网络（GNN）最新顶会论文汇总！（含2024）

图神经网络（GNN）是深度学习领域中备受关注的前沿课题，它在处理图结构数据方面展现出了强大的潜力，随着研究的不断深入，越来越多的优秀论文在顶级学术会议上涌现。

AI科研技术派·2025-07-04 10:38

物联网仿真实训教学平台：以网关为核，重塑教育新范式

一、网关：物联网实训的“神经

御控工业物联网·2025-07-04 09:28

破译AI黑箱：如何用20行Python理解ChatGPT？

解决方案：构建参数化的数学模型（如神经网络）用大量数据训练，自动寻找最优参数得到能解决特定任务的

Ven%·2025-07-04 08:56

云上配送革命：亚矩云手机如何重塑Uber Eats的全球外卖生态

而亚矩云手机以“云端算力+AI调度+边缘网络”的技术组合，正在为UberEats构建一张覆盖6000多个城市的“云端配送神经网络”，重新定义外卖行业的效率、成本与用户体验边界。一、动态定

云云321·2025-07-04 06:08

【SNN脉冲神经网络2】AdEx神经网络软件仿真

本文使用AdEx神经元搭建一个完整的神经网络来进行生物神经脉冲现象的仿真。主要的目的是为了验证数学原理，因此只调用的numpy函数包。

XvnNing·2025-07-04 04:26

MIT 6.S184 Lec01 Flow and Diffusion Models

其次，我们描述如何使用深度神经网络对ODE/SDE进行参数化。从中推导出流模型和

克斯维尔的明天_·2025-07-04 01:09

强人工智能是否会诞生于现在的AI之中

然而，作为一名人工智能领域的算法工程师，我反而越来越确信：现有的技术路径——以Transformer为核心的深度神经网络，可能已经达到了它的能力上限。

一花·一叶·2025-07-04 01:06

解密GPT工作原理：Transformer架构详解与自注意力机制剖析

解密GPT工作原理：Transformer架构详解与自注意力机制剖析关键词：GPT、Transformer、自注意力机制、神经网络、语言模型、深度学习、人工智能摘要：本文将深入浅出地解析GPT模型的核心架构

AI智能应用·2025-07-03 23:25

Hamiltonian Transformer理论：融合哈密顿力学与Transformer架构的新范式

HamiltonianTransformer理论是一种将经典哈密顿力学原理与现代Transformer架构相结合的新型神经网络范式。

墨顿·2025-07-03 20:37

LSTM（Long Short-Term Memory）模型的深度解析

在6.28号我发了一个博客《RNN（循环神经网络）与LSTM（长短期记忆网络）输出的详细对比分析》，但是我并未详细讲解LSTM，LSTM是循环神经网络中的一个模型，然而通过这篇博客给大家深度解析一下LSTM

AI扶我青云志·2025-07-03 19:58

GRU与LSTM之间的联系和区别

前面我们谈到RNN与LSTM之间的关系，而GRU也是循环神经网络中的一种模型，那么它与LSTM有什么区别呢？

AI扶我青云志·2025-07-03 18:53

基于人体骨架动作识别的神经信息处理技术（2 相关工作-2.4提高信号质量）

路由跳变·2025-07-03 18:21

细粒度IP定位参文27（HGNN）：Identifying user geolocation（2022年）

（用层次图、神经网络和可解释的融合来识别用户的地理定位）论文地址：https://do

·2025-07-03 18:51

【Torch】nn.Dropout算法详解

1.定义nn.Dropout是PyTorch中用于防止神经网络过拟合的正则化层。

油泼辣子多加·2025-07-03 17:11

【深度学习-Day 33】从零到一：亲手构建你的第一个卷积神经网络（CNN）

Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手

吴师兄大模型·2025-07-03 13:43

【人工智能】 AI的进化之路：大模型如何重塑技术格局

从早期神经网络到现代大模型的突破，文章分析了关键技术进步，如Transformer架构、预训练机制和分布式计算。结合数学公式和代码示例，详细阐述了大模型的训练原理、优化方法及实际应用场景。文

蒙娜丽宁·2025-07-03 12:32

pytorch官方文档60分钟入门笔记

文章目录1.张量（Tensors）定义张量张量操作2.自动求导（autograd）变量Variable3.神经网络4.训练一个分类器载入数据5.数据并行day63参考：官方文档https://blog.csdn.net

xiaodidadada·2025-07-03 08:41

【深度学习】卷积神经网络(CNN)原理

【深度学习】卷积神经网络原理1.卷积神经网络的组成2.卷积层2.1卷积运算过程3.padding-零填充3.1ValidandSame卷积3.2奇数维度的过滤器4.stride-步长5.多通道卷积5.1

chaser&upper·2025-07-03 07:02

深度学习学习经验——卷积神经网络（CNN）

卷积神经网络卷积神经网络（CNN）1.卷积神经网络的基本组成2.卷积操作3.激活函数（ReLU）4.池化操作5.全连接层6.卷积神经网络的完整实现项目示例项目目标1.加载数据2.卷积层：图像的特征探测器

Linductor·2025-07-03 07:02

Python Day53

Task：1.对抗生成网络的思想：关注损失从何而来2.生成器、判别器3.nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法4.leakyReLU介绍：避免relu的神经元失活现象1

别勉.·2025-07-03 07:56

(论文总结)思维链激发LLM推理能力

动机:从之前的应用和研究中得知，可以用生成自然语言解释、使用神经符号等形式语言的方法来提高大模型的算术推理能力，当时采用了从头预训练和微调模型的方法，耗费的成本较多；而且大模型具有根据少量文本提示进行上下文少样本学习的能力

靈镌sama·2025-07-03 03:58

深度学习之分类手写数字的网络

面临的问题定义神经⽹络后，我们回到⼿写识别上来。

newyork major·2025-07-03 03:28

推荐文章：探索深度学习的不确定性边界 —— SDE-Net 开源项目解析

EquippingDeepNeuralnetworkwithUncertaintyEstimates项目地址:https://gitcode.com/gh_mirrors/sd/SDE-Net在当今的人工智能领域，深度神经网络

史多苹Thomas·2025-07-03 02:51

DAY 40 训练和测试的规范写法

view/reshape操作总结二、彩色图片的规范写法知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元

acstdm·2025-07-03 01:10

意识边疆保卫战：22：47深圳AI-BioFab人机融合危机全息实录

点击跳转到网站《意识边疆保卫战：22：47深圳AI-BioFab人机融合危机全息实录》副标题：机械义肢产线惊现神经突触叛乱，中国科学家激活甲骨文量子纹重写人类认知主权2025年7月2日22：47光明科学城脑机接口中心急电负五层神经植入舱突爆血雾

HeartException·2025-07-03 00:33

《脑机接口：意识数字化的奇点何时到来？》

HeartException·2025-07-03 00:32

扣带回灰质体积：双任务步态与痴呆发病关联的关键中介

双任务步态测试（行走时执行认知任务）中出现的高双任务成本（DTC，即步态速度较单任务时减慢≥20%），已被证实与MCI患者进展为痴呆的风险升高相关，但这一关联的神经机制尚不明确。

楚山之石·2025-07-02 22:47

KANN 是一个独立的轻量级 C 语言库，用于构建和训练中小型人工神经网络，例如多层感知器、卷积神经网络和递归神经网络（包括 LSTM 和 GRU）。它实现了基于图的逆模自动微分，并允许构建具有递归等

一、软件介绍文末提供程序和源码下载KANN是一个独立的轻量级C语言库，用于构建和训练中小型人工神经网络，例如多层感知器、卷积神经网络和递归神经网络（包括LSTM和GRU）。

·2025-07-02 20:35

AttnRNN：参数更少，却断档碾压LSTM/GRU的新RNN

新型注意力RNN（AttnRNN）在长序列任务中全面超越传统RNN模型在深度学习领域，循环神经网络（RNN）及其变体GRU和LSTM长期以来一直是处理序列数据的首选架构。

wq舞s·2025-07-02 19:26

C语言教学大变革！DeepSeek如何改变高职院校编程课堂？

该系统融合了深度神经网络与语义解析技术，能够智能生成代码、优化缺陷检测、解构程序逻辑，并

武汉唯众智创·2025-07-02 19:55

Brduino脑机连载（四）脑电范式软件大全（附源网页）

它具有强大的图形界面和丰富的刺激呈现功能，能够精确控制刺激的时间、位置、强度等参数，并且支持多种数据格式的输出，方便与其他脑电分析软件进行集成.适用场景：适用于心理学、神经科学等领域的研究人员进行各种认知

·2025-07-02 17:16

脑机新手指南（二十一）基于 Brainstorm 的 MEG/EEG 数据分析（上篇）

一、脑机接口与神经电生理技术概述脑机接口（Brain-ComputerInterface,BCI）是一种在大脑与外部设备之间建立直接通信通道的技术，它通过采集和分析大脑信号来实现对设备的控制或信息的输出

Brduino脑机接口技术答疑·2025-07-02 17:43

什么是神经网络和机器学习？【云驻共创】

什么是神经网络和机器学习？一.背景在当今数字化浪潮中，神经网络和机器学习已成为科技领域的中流砥柱。它们作为人工智能的支柱，推动了自动化、智能化和数据驱动决策的进步。

一键难忘·2025-07-02 17:12

贝叶斯网络与深度学习的结合：图像识别和分类

贝叶斯网络与深度学习的结合：图像识别和分类关键词：贝叶斯网络、深度学习、图像识别、图像分类、概率推理、卷积神经网络、不确定性建模文章目录贝叶斯网络与深度学习的结合：

AI天才研究院·2025-07-02 15:55

c++基于BP神经网络的手写数字识别

、51CTO(Top红人+专家博主)、github开源爱好者（go-zero源码二次开发、游戏后端架构https://github.com/Peakchen）基于BP（Backpropagation）神经网络的手写数字识别是一种常见的机器学习应用

鱼弦·2025-07-02 14:24

pytorch底层原理学习--Libtorch

我们用python写的pytorch神经网络代码都会通过pybind11将python转换为libtorch的C++代码。[官方文档](PyTorc

·2025-07-02 14:21

Keras环境复现代码（三）

DQN雅达利Breakout强化学习实验要求明确实验目的：学习和实现深度Q学习（DQN），这是一种结合了Q学习和深度神经网络的强化学习算法，用于解决复杂的决策问题。

yanyiche_·2025-07-02 10:52

深度学习中常见激活函数总结

以下是一份深度学习激活函数的系统总结，涵盖定义、类型、作用、应用及选择影响，便于你快速掌握核心知识：一、激活函数的定义在神经网络中，激活函数（ActivationFunction）是神经元计算输出的非线性变换函数

向左转,　向右走ˉ·2025-07-02 07:54

AI人工智能神经网络

**AI人工智能神经网络概述**神经网络是并行计算设备，它们试图构建大脑的计算机模型。背后的主要目标是开发一个系统来执行各种计算任务比传统系统更快。

马里亚纳海沟网·2025-07-02 06:18

educoder机器学习 --- 神经网络

第1关：神经网络基本概念１、Ｃ第2关：激活函数#encoding=utf8defrelu(x):'''x:负无穷到正无穷的实数'''#*********Begin*********#ifx<=0:return0else

木右加木·2025-07-02 05:46

回归预测 | MATLAB实现LSTM-SVR(长短期记忆神经网络-支持向量机)多输入单输出

内容介绍长短期记忆神经网络(LSTM)作为一种循环神经网络(RNN)的变体，擅长处理序列数据并捕捉长期依赖关系，而支持向量机(SVR)则是一种强大的回归算法，能够有效地处理高维数据并防止过拟合。

matlab科研社·2025-07-02 05:16

大语言模型（LLM）笔记

LLM（LargeLanguageModel）是基于Transformer架构构建，并在海量文本语料上训练出的具备自然语言理解和生成能力的深度神经网络模型。

笑衬人心。·2025-07-02 03:59

Milvus向量数据库入门指南

自2019年创建以来，Milvus专注于存储、索引和管理由深度神经网络和其他机器学习模型生成的海量嵌入向量。其能够处理万亿级别的向量索引任务。

longfei.li·2025-07-02 02:26

[由浅入深理解神经网络] 2 张量流与反向传播

由浅入深理解神经网络2张量流与反向传播0前言1张量流和运算图2复合函数视角2.1复合函数求导2.1.1链式法则2.1.2多元函数的链式法则2.2前馈网络的反向传播2.3任意网络的反向传播3结语0前言在由浅入深理解神经网络

·2025-07-02 01:47

Python从0到100完整学习指南（必看导航）

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·2025-07-02 00:09

记忆力锻炼方法

一、科学记忆方法重复训练与间隔复习大脑通过重复强化神经连接，但机械重复效率低。建议采用间隔重复法，例如学习新知识后，在1天、3天、1周等间隔复习，利用“遗忘曲线”规律巩固记忆。

穗余·2025-07-02 00:35

《数字孪生+AI：如何模拟人类大脑的智能进化？》

大脑发展的五阶段理论与AI模型发展关系人类大脑在一生中经历五个主要发展阶段，从胎儿期一直到老年期阶段1（孕期0–10月）：大脑迅速增长，大量神经元和神经连接形成这是大脑发育的基础阶段，孕期的营养和环境对神经系统发育至关重要

嘉图明·2025-07-01 23:29

【AI】AI大模型发展史：从理论探索到技术爆发

80年代连接主义AI兴起，以神经网络为核心，反向传播算法的提出为深度学习奠定基础。

不想当程序汪的第N天·2025-07-01 21:44

星闪多设备互联系统：OpenHarmony 赋能0.1ms级超低延迟生态

"当操作指令快过神经传导，人机边界开始溶解"——华为星闪技术白皮书行业痛点分析当前移动游戏生态面临外设连接的"三重枷锁":蓝牙5.3延迟瓶颈：理论最低7ms，实际15-30ms多设备干扰难题：手柄/耳机

爱学习的小齐哥哥·2025-07-01 20:43

十分钟了解人工智能的过去、现在与未来

从1943年人工神经元模型的提出，到2025年AI应用场景的全面爆发，AI发展经历了多个关键阶段。在接下来的十分钟里，我们将通过图文解说，快速了解AI从萌芽到现在的历程，以及未来可能带来的机遇与挑战。

ithadoop·2025-07-01 18:57

推荐频道

神经