Hopfield神经网络

模型蒸馏、量化、裁剪的概念和区别

模型压缩概述1.1模型压缩的重要性随着深度学习技术的快速发展，神经网络模型在各种任务中取得了显著的成功。然而，这些模型通常具有大量的参数和复杂的结构，导致模型体积庞大、计算资源消耗高和推理时间长。
我就是全世界·2025-02-06 22:24

深度学习篇---深度学习相关知识点&关键名词含义

文章目录前言第一部分:相关知识点一、基础铺垫层（必须掌握的核心基础）1.数学基础•线性代数•微积分•概率与统计2.编程基础3.机器学习基础二、深度学习核心层（神经网络与训练机制）1.神经网络基础2.激活函数
Ronin-Lotus·2025-02-06 21:21

必知！10大机器学习算法

——吴恩达近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】1.K最近邻（KNN）KNN是一种简单却强大的分类算法
·2025-02-06 21:56

空间注意力模块（SAM）和时间注意力模块（TAM）详解及代码复现

在神经网络中，注意力机制主要通过Softmax函数实现，它能够将输入特征映射到0到1之间的概率分布，从而实现特征的加权。空间注意力与时间注意力在
清风AI·2025-02-06 21:47

大型推理模型 （LRM） 的比较 OpenAI DeepSeek R1 Gemini 2.0

大型推理模型（LRM）的比较OpenAIDeepSeekR1Gemini2.0阅读时长：25分钟发布时间：2025-02-06近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容
·2025-02-06 17:20

深度可分离卷积_主干网络系列(6) - Xception: 使用深度可分离卷积的深度学习

DeepLearningwithDepthwiseSeparableConvolutions工程代码：Github链接0.摘要该论文对Inception模块做了新的解释，认为Inception模块是常规卷积神经网络到深度可分离卷积神经网络的过渡手段
weixin_39630106·2025-02-06 17:22

【单层神经网络】基于MXNet的线性回归实现（底层实现）

写在前面刚开始先从普通的寻优算法开始，熟悉一下学习训练过程下面将使用梯度下降法寻优，但这大概只能是局部最优，它并不是一个十分优秀的寻优算法整体流程生成训练数据集（实际工程中，需要从实际对象身上采集数据）确定模型及其参数（输入输出个数、阶次，偏置等）确定学习方式（损失函数、优化算法，学习率，训练次数，终止条件等）读取数据集（不同的读取方式会影响最终的训练效果）训练模型完整程序及注释fromIPyth
辰尘_星启·2025-02-06 11:43

深度学习与搜索引擎优化的结合：DeepSeek的创新与探索

目录引言1.传统搜索引擎的局限性2.深度学习在搜索引擎中的作用3.DeepSeek实现搜索引擎优化的关键技术3.1神经网络与搜索引擎优化3.2自然语言处理与查询理解3.3深度强化学习与搜索结果排序4.DeepSeek
云边有个稻草人·2025-02-06 10:37

基于深度学习的时空特征融合摔倒检测 基于图像序列分析与主成分分析（PCA）的摔倒检测

基于深度学习的时空特征融合摔倒检测该方法采用卷积神经网络（CNN）与循环神经网络（RNN）相结合的方式，通过提取时空特征来进行摔倒检测。
人工智能专属驿站·2025-02-06 09:31

遗传算法与深度学习实战（32）——生成对抗网络详解与实现

）——生成对抗网络详解与实现0.前言1.生成对抗网络2.构建卷积生成对抗网络小结系列链接0.前言生成对抗网络(GenerativeAdversarialNetworks,GAN)是一种由两个相互竞争的神经网络组成的深度学习模型
盼小辉丶·2025-02-06 09:59

（Aliyun AI ACP 04）人工智能建模流程与基础知识：深度学习、增强学习与迁移学习关键技术综述

文章目录阿里云人工智能工程师ACP认证考试知识点辅助阅读（AliyunAIACP04）人工智能建模流程与基础知识：深度学习、增强学习与迁移学习关键技术综述I.深度学习算法1️⃣前馈神经网络(FFNs)详解
North_D·2025-02-06 08:24

AI大模型探秘：核心能力与应用场景深度解析

AI：包含很多术语，如：模式识别、自然语言处理、神经网络、机器学习、深度学习、强化学习、人类反馈强化学习等。类比：AI是电力–吴恩达。
程序员辣条·2025-02-06 08:53

二值连接：深度神经网络的轻量级革命

深度神经网络（DeepNeuralNetworks,DNN）近年来在语音识别、图像分类和自然语言处理等领域取得了令人瞩目的成就。
步子哥·2025-02-06 06:11

深入浅出之Convolutional Block Attention Module（YOLO）

ConvolutionalBlockAttentionModule（CBAM）是一种用于增强卷积神经网络（CNN）特征表示能力的注意力机制模块。
浩瀚之水_csdn·2025-02-06 04:46

大模型的底层逻辑及Transformer架构

2.深度学习架构大模型基于深度学习技术，通常采用多层神经网络进行特征学习与抽象。其中，Transformer架构是目前主流的大模型架构，它通过自注意力机制和前馈神经网络来处理输入数据。
搏博·2025-02-06 02:04

大语言模型应用指南：工作记忆与长短期记忆

1.2研究现状近年来，随着深度学习技术的发展，基于神经网络的语言模型逐渐崭露头角。其中，长短期记忆网
AI天才研究院·2025-02-06 00:51

RK3568、RK3588、RK3358性能对比

NPU:内置0.8TOPs的神经网络处理单元，
给生活加糖！·2025-02-05 22:36

MATLAB机器学习、深度学习

目录第一章MATLAB图像处理基础第二章BP神经网络及其在图像处理中的应用第三章卷积神经网络及其在图像处理中的应第四章迁移学习算法及其在图像处理中的应用第五章生成式对抗网络（GAN）及其在图像处理中的应用第六章目标检测
Yolo566Q·2025-02-05 17:01

PyTorch深度学习实战（2）——PyTorch快速入门

PyTorch的简洁设计使得它易于入门，在深入介绍PyTorch之前，本文先介绍一些PyTorch的基础知识，以便读者能够对PyTorch有一个大致的了解，并能够用PyTorch搭建一个简单的神经网络。
shangjg3·2025-02-05 17:30

基于深度学习的文本情感分析

基于深度学习的文本情感分析关键词：深度学习、文本情感分析、自然语言处理、卷积神经网络、循环神经网络、BERT、情感分类、情绪识别1.背景介绍文本情感分析（TextSentimentAnalysis），又称情感计算
杭州大厂Java程序媛·2025-02-05 16:25

一切皆是映射：神经网络在图像识别中的应用案例

一切皆是映射：神经网络在图像识别中的应用案例关键词：神经网络、图像识别、深度学习、卷积神经网络、映射、模式识别1.背景介绍1.1问题的由来图像识别问题的研究源于人类对于智能机器的渴望。
AI大模型应用之禅·2025-02-05 16:24

一切皆是映射：元学习中的神经架构搜索（NAS）

：元学习中的神经架构搜索（NAS）在人工智能的广阔领域中，神经架构搜索（NeuralArchitectureSearch，简称NAS）是一颗璀璨的明星，它代表着一种全新的方法，即通过算法自动寻找最优的神经网络架构
杭州大厂Java程序媛·2025-02-05 16:22

NeuralCF 模型：神经网络协同过滤模型

实验和完整代码完整代码实现和jupyter运行：https://github.com/Myolive-Lin/RecSys--deep-learning-recommendation-system/tree/main引言NeuralCF模型由新加坡国立大学研究人员于2017年提出，其核心思想在于将传统协同过滤方法与深度学习技术相结合，从而更为有效地捕捉用户与物品之间的复杂交互关系。该模型利用神经网
Lewis@·2025-02-05 13:31

用 Python 微调 DeepSeek R1

用Python微调DeepSeekR1阅读时长：15分钟发布时间：2025-02-05近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎
·2025-02-05 13:24

PyTorch中的 torch.nn.GRU

PyTorch中的torch.nn.GRUGRU（GatedRecurrentUnit）是循环神经网络（RNN）的一种变种，常用于处理序列数据。
彬彬侠·2025-02-05 12:53

机器学习，深度学习，神经网络，深度神经网络

深度学习源自于人工神经网络的研究，但是并不完全等于传统神经网络。神经网络与深度神经网络的区别在于隐藏层级，通常两层或两层以上隐藏层的网络叫做深度神经网络。一般隐藏层越多，精确度越高。
武昌库里写JAVA·2025-02-05 12:52

关于大模型 AGI 应知应会＿生在AI发展的时代

一、大模型的核心概念与特点（一）什么是大模型大模型（LargeLanguageModels，LLMs）是指具有大规模参数和复杂计算结构的深度学习模型，通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数
森焱森·2025-02-05 10:38

DeepSeek-R1全面超越OpenAI o1：开源大模型训练范式革新

其中，2017年Google发布的“AttentionIsAllYouNeed”论文奠定了神经网络架构的重要基础，推动了大规模语言模型（LLM）的突破。
·2025-02-05 02:16

python 量化回测框架生成器

虽然#python#的安装非常简单，但是总有一些神经网络CSDN真的非常白，雪白雪白的……以至于我常看见这种帖子：所以，我还是写一个安装指南吧，专供给神经网络CSDN学习PHP从入门到精通：我的个人时间线
2401_85969422·2025-02-05 02:40

计算范式的变革：从图灵机到神经网络

图灵机，神经网络，计算范式，深度学习，机器学习，人工智能，算法，模型1.背景介绍自20世纪中叶以来，计算机科学经历了飞速发展，计算范式也经历了深刻的变革。
AI架构设计之禅·2025-02-04 23:49

GRU是门控循环单元是什么？

GRU是门控循环单元（GatedRecurrentUnit）的简称，它是循环神经网络（RNN）的一种变体。GRU旨在解决传统RNN中存在的长期依赖问题和反向传播中的梯度消失或梯度爆炸问题。
无限进步呀·2025-02-04 22:13

深度学习｜表示学习｜卷积神经网络｜输出维度公式｜15

如是我闻：在卷积和池化操作中，计算输出维度的公式是关键，它们分别可以帮助我们计算卷积操作和池化操作后的输出大小。下面分别总结公式，并结合解释它们的意义：1.卷积操作的输出维度公式当我们对输入图像进行卷积时，输出的宽度和高度可以通过以下公式计算：输出大小=输入大小−卷积核大小+2⋅填充大小步长+1\text{输出大小}=\frac{\text{输入大小}-\text{卷积核大小}+2\cdot\te
漂亮_大男孩·2025-02-04 19:52

深度学习｜表示学习｜卷积神经网络｜输出维度公式如何理解？｜16

如是我闻：当我们对输入图像进行卷积时，输出的宽度和高度可以通过以下公式计算：输出大小=输入大小−卷积核大小+2⋅填充大小步长+1\text{输出大小}=\frac{\text{输入大小}-\text{卷积核大小}+2\cdot\text{填充大小}}{\text{步长}}+1输出大小=步长输入大小−卷积核大小+2⋅填充大小+1池化（Pooling）的输出大小公式类似卷积，但更加简单：输出大小=输入
漂亮_大男孩·2025-02-04 19:21

PyTorch中的In-place操作是什么？为什么要避免使用这种操作？

如今的高级深度神经网络拥有数百万个可训练参数，训练它们通常会导致GPU内存耗尽。
小白学视觉·2025-02-04 19:49

Kimi k1.5 ： OpenAI-o1 级多模态模型

阅读时长：15分钟发布时间：2025-02-04近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文
·2025-02-04 18:36

Kimi k1.5 ： OpenAI-o1 级多模态模型

阅读时长：15分钟发布时间：2025-02-04近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文
·2025-02-04 18:32

OpenAI 模型与 DeepSeek 模型使用的强化学习有何不同

OpenAI模型与DeepSeek模型使用的强化学习有何不同阅读时长：15分钟发布时间：2025-02-04近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM
·2025-02-04 18:02

基于 FPGA 的 CNN 卷积神经网络整体实现

基于FPGA的CNN卷积神经网络整体实现介绍卷积神经网络（CNN）是一种强大的深度学习架构，广泛用于图像识别、物体检测和自然语言处理等领域。
鱼弦·2025-02-04 18:37

YOLOv3在工业生产中产品瑕疵检测的可行性分析

图像中瑕疵检测1.概述瑕疵检测是机器视觉任务中的一条分支，在技术发展的过程中对于图片处理的方式往往使用CNN（卷积神经网络）作为处理模型，毫无疑问CNN的在处理图像方面有着独特的优势，通过设置卷积核我们可以使得计算机提取图像的特征数据
Y.C.~·2025-02-04 16:59

门控循环单元（GRU）

门控循环单元（GRU）门控循环单元（GRU）是一种循环神经网络（RNN）的变体，旨在解决传统RNN在处理长序列时的梯度消失问题，并且相比于长短期记忆（LSTM），它具有更简洁的结构。
彬彬侠·2025-02-04 15:23

数学与经济学：数学模型在经济预测中的应用

数学与经济学：数学模型在经济预测中的应用关键词：数学模型、经济学、经济预测、数据分析、算法、神经网络、回归分析、供需模型、消费行为模型、投资决策模型、经济增长模型。
AI天才研究院·2025-02-04 15:47

生成对抗网络(Generative Adversarial Network)原理与代码实战案例讲解

ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来生成对抗网络（GenerativeAdversarialNetwork，简称GAN）是由IanGoodfellow等人在2014年提出的一种新型神经网络架构
AI大模型应用之禅·2025-02-04 14:41

【声音场景分类--论文阅读】

在此阶段，主要重点是建立一个神经网络具有较大的感受野，同时保持较低的复杂性。可以将网络分解为两个主块
繁华落尽，寻一世真情·2025-02-04 12:21

torch.nn.RNN: PyTorch 中的循环神经网络（RNN）模块

torch.nn.RNN:PyTorch中的循环神经网络（RNN）模块1.概述在PyTorch中，torch.nn.RNN是一个用于构建循环神经网络（RNN）的模块。
彬彬侠·2025-02-04 10:40

PyTorch动态计算图:如何灵活构建复杂模型

PyTorch动态计算图:如何灵活构建复杂模型关键词：PyTorch、动态计算图、自动微分、反向传播、神经网络、模型构建、计算图优化文章目录PyTorch动态计算图:如何灵活构建复杂模型1.背景介绍1.1
AI天才研究院·2025-02-04 07:47

深度学习框架PyTorch原理与实践

禅与计算机程序设计艺术文章目录1.简介2.背景介绍3.基本概念和术语3.1PyTorch简介3.2PyTorch的特点1）自动求导机制2）GPU加速3）模型部署4）数据管道5）代码阅读友好4.核心算法原理4.1神经网络结构
AI天才研究院·2025-02-04 07:47

python中keras_Python深度学习——keras（一）

神经网络的核心组件是层(layer)，它是一种数据处理模块，可以看成是一个数据过滤器。进去一些数据，出来的数据变得更加有用(吃进去的是草，挤出来的是奶)。
weixin_39534321·2025-02-04 04:48

基于BiGRU的预测模型及其Python和MATLAB实现

传统的机器学习算法往往无法很好地捕捉数据中的时序信息和上下文关系，因此深度学习中的循环神经网络（RNN）逐渐成为解决这一问题的重要工具。
追蜻蜓追累了·2025-02-04 03:10

Transformer预测模型及其Python和MATLAB实现

###一、背景在自然语言处理（NLP）领域，传统的序列到序列（Seq2Seq）模型大多依赖于循环神经网络（RNN）和长短期记忆（LSTM）网络。
追蜻蜓追累了·2025-02-04 03:10

基于深度学习的物体分割技术：从理论到实践

随着深度学习的迅猛发展，尤其是卷积神经网络（CNN）的应用，物体分割技术已取得了显著的进展。它被广泛应用于医学影像分析、自动驾驶、视频监控、机器人感知等领域。
人工智能_SYBH·2025-02-04 01:57
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他