Networks)

常见的深度学习模型总结

1.深度前馈神经网络(DeepFeedforwardNetworks)发明时间：2006年左右，随着计算能力的提升和大数据集的可用性增加，深度学习开始兴起。
编码时空的诗意行者·2025-02-13 13:29

【时序预测】-深度学习系列

DeepAR（2017Amazon）DeepAR:ProbabilisticForecastingwithAutoregressiveRecurrentNetworks重点：RNN系列+多元
TIM老师·2025-02-11 22:04

DeepSeek图神经网络（Graph Neural Networks, GNNs）基础与实践

图神经网络（GraphNeuralNetworks,GNNs）是一种专门用于处理图结构数据的深度学习模型。
Evaporator Core·2025-02-11 20:22

MongoDB 安装

3.配置安装选项一般默认“RunserviceasNetworkServiceuser”。可以取消勾选左下角的图形化工具“I
yqcoder·2025-02-11 19:46

深度神经网络（Deep Neural Networks, DNNs）

深度神经网络（DeepNeuralNetworks,DNNs）是机器学习的一种复杂形式，属于广义的人工神经网络（ArtificialNeuralNetworks,ANNs）的范畴。
CaiGuoHui1·2025-02-11 05:34

了解深度神经网络模型（Deep Neural Networks, DNN）

深度神经网络模型（DeepNeuralNetworks,DNN）深度神经网络模型是一种包含多个隐藏层的神经网络，能够通过多层次的非线性变换从数据中提取复杂特征，广泛应用于图像识别、自然语言处理等领域。
huaqianzkh·2025-02-11 05:02

Android车机DIY开发之软件篇(十二)编译Automotive OS错误(3)

Android车机DIY开发之软件篇(十二)编译AutomotiveOS错误(3)问题[85%113538/132897]//hardware/interfaces/neuralnetworks/1.1
勿忘初心91·2025-02-10 14:33

翻译模型

提出基于词的统计翻译模型2003年，Koehn提出基于短语的统计翻译模型2014年，谷歌和蒙特利尔大学提出端到端神经网络机器翻译，SequencetoSequenceLearningwithNeuralNetworks
daisy190127·2025-02-09 16:08

DeepSeek生成对抗网络（GAN）的训练与应用

生成对抗网络（GenerativeAdversarialNetworks,GANs）是深度学习领域的一项重要技术，能够生成逼真的图像、音频和文本数据。
Evaporator Core·2025-02-09 12:41

深度学习之DCGAN算法深度解析

DCGAN（DeepConvolutionalGenerativeAdversarialNetworks）算法解析1.DCGAN算法由来DCGAN（深度卷积生成对抗网络）是IanGoodfellow在2014
贾斯汀玛尔斯·2025-02-08 20:08

图神经网络实战（8）——图注意力网络(Graph Attention Networks, GAT)

图神经网络实战（8）——图注意力网络0.前言1.图注意力层原理1.1线性变换1.2激活函数1.3Softmax归一化1.4多头注意力1.5改进图注意力层2.使用NumPy中实现图注意力层3.使用PyTorchGeometric实现GAT3.1在Cora数据集上训练GAT模型3.2在CiteSeer数据集上训练GAT模型3.3误差分析小结系列链接0.前言图注意力网络(GraphAttentionNe
盼小辉丶·2025-02-08 12:09

提示 error fetching videos：CLEARTEXT conmmunication to 192.168.0.104 not permitted by network security

你遇到的错误是：errorfetchingvideos:CLEARTEXTcommunicationto192.168.0.104notpermittedbynetworksecuritypolicy这个错误是由于
王家视频教程图书馆·2025-02-07 07:55

神经网络Neural Networks概述

人工智能（AI）是一类非常广泛的问题，它旨在通过计算机实现类似人类的智能。机器学习（ML）是解决人工智能问题的一个重要方法。深度学习（DL）则是机器学习的一个分支，它在很多领域突破了传统机器学习的瓶颈，将人工智能推向了新的高潮。深度学习是基于人工神经网络（ANN）技术的发展而不断突破和提升，推动了人工智能的发展。相对的另一领域是生物神经网络（BiologicalNeuralNetwork，BNN）
种花家的码农·2025-02-07 00:40

遗传算法与深度学习实战（32）——生成对抗网络详解与实现

遗传算法与深度学习实战（32）——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
盼小辉丶·2025-02-06 09:59

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

五子棋ai启发式搜索_一种快速而简单的人工智能启发式学习语言的方法

ThespecialthingIfoundwhenIfirststarteddivingintothefieldofArtificialIntelligencewastheinfiniteamountofparallelsbetweenhowneuralnetworkslearnandmysubjectiveexperienceofmyownin
weixin_26630173·2025-02-06 02:05

c语言八数码问题启发式搜索_一种快速且简单的AI启发式语言学习方法

ThespecialthingIfoundwhenIfirststarteddivingintothefieldofArtificialIntelligencewastheinfiniteamountofparallelsbetweenhowneuralnetworkslearnandmysubjectiveexperienceofmyow
weixin_26632369·2025-02-05 21:28

【论文笔记】基于图神经网络的多视角视觉重定位 GRNet CVPR 2020 论文笔记

GRNet:LearningMulti-viewCameraRelocalizationwithGraphNeuralNetworks驭势科技,北京大学机器感知重点实验室,北京长城航空测控技术研究所本文提出了一种使用多视角图像进行相机重定位的图神经网络
phy12321·2025-02-03 14:26

【GAE】《High-Dimensional Continuous Control Using Generalized Advantage Estimation》译读笔记

Policygradientmethods在reinforcementlearning中是一种具有吸引力的方法，因为它们直接优化累积奖励，并且可以很直接地与非线性functionapproximators如neuralnetworks
songyuc·2025-02-02 06:50

跨平台物联网漏洞挖掘算法评估框架设计与实现文献综述之GMN

2.4.2GMN图神经网络（GraphNeuralNetworks-GNNs）是一种用于学习结构化数据及相关预测问题的方法。节点的表示被用于节点分类或生成图向量再用于分类。
XLYcmy·2025-01-31 22:43

Pix2PixHD代码小白解读（4）——networks.py

上一期：Pix2PixHD代码小白解读（3）——Pix2PixHD_model.pyhttps://blog.csdn.net/qq_73991479/article/details/134762097networks.py
咖啡百怪·2025-01-31 10:34

基于CNN-GRU-Attention混合神经网络的负荷预测方法（Python代码实现）

概述一、引言二、模型结构三、数据预处理四、模型训练与评估五、实验结果与分析六、结论与展望2运行结果3参考文献4Python代码实现及数据1概述基于CNN-GRU(convolutionalneuralnetworks-gaterecurrentunit
宇哥预测优化代码学习·2025-01-30 16:22

Chapter 3-20. Detecting Congestion in Fibre Channel Fabrics

ThePitfallsofMonitoringNetworkTrafficAkeyconsiderationformonitoringtrafficinlosslessnetworksisthatforallpracticalpurposes
mounter625·2025-01-30 15:50

第八章：AI大模型的未来发展趋势8.3 新兴应用领域8.3.2 生成对抗网络的应用

1.背景介绍1.背景介绍生成对抗网络（GenerativeAdversarialNetworks，GANs）是一种深度学习技术，由伊玛·古德姆（IanGoodfellow）于2014年提出。
AI天才研究院·2025-01-27 05:11

论文阅读笔记（9）——《A Practical Survey on Faster and Lighter Transformers》

1Abstract2Introductionrecurrentneuralnetworks(RNNs)longshort-termmemory(LSTM)networksequencetosequenceframeworkinter-attentionrelativeeffectivecontextlength
StriveQueen·2025-01-26 08:32

AlphaFold2的思路总结（十五）

一、EvoFormer  在EvoFormer中，主要是将图网络（Graphnetworks）
xiaofengzihhh·2025-01-25 16:57

图神经网络系列论文阅读DAY1：《Predicting Tweet Engagement with Graph Neural Networks》

摘要翻译：社交网络是全球范围内分享内容的重要在线渠道之一。在这种背景下，预测一篇帖子在互动方面是否会产生影响，对于推动这些媒体的盈利利用至关重要。在现有研究中，许多方法通过利用帖子的直接特征来解决这一问题，这些特征通常与文本内容以及发布该帖子的用户相关。在本文中，我们认为互动的增加还与另一个关键因素相关，即社交媒体用户发布的帖子之间的语义关联。因此，我们提出了一种基于图神经网络（GraphNeur
feifeikon·2025-01-25 15:18

【深度学习】常见模型-卷积神经网络（Convolutional Neural Networks, CNN）

卷积神经网络（CNN）概念简介卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一种专门用于处理数据具有网格状拓扑结构（如图像、语音）的深度学习模型。
IT古董·2025-01-25 10:08

WGAN - 瓦萨斯坦生成对抗网络

1.背景与问题生成对抗网络（GenerativeAdversarialNetworks,GANs）是由IanGoodfellow等人于2014年提出的一种深度学习模型。
池央·2025-01-25 07:52

AAAI2024论文解读|Memory-Efficient Reversible Spiking Neural Networks-water-merged

论文标题Memory-EfficientReversibleSpikingNeuralNetworks内存高效可逆脉冲神经网络论文链接Memory-EfficientReversibleSpikingNeuralNetworks
paixiaoxin·2025-01-24 16:22

深入详解神经网络的基础知识、工作原理以及应用【一】

目录引言1.神经网络基础1.1感知器模型1.2多层感知器（MLP）示例：2.前馈神经网络（FeedforwardNeuralNetworks,FFNN）2.1结构与特点2.2训练过程2.3优化方法3.卷积神经网络
猿享天开·2025-01-24 16:52

docker-compose 部署Kong、PG、Konga

version:'2'networks:kong-net:driver:bridgeservices:kong-database:image:postgres:9.6container_name:kong-databaserestart
qiandeqiande·2025-01-24 13:33

用GANs生成艺术作品的创新探索：人工智能与艺术的奇妙碰撞

用GANs生成艺术作品的创新探索：人工智能与艺术的奇妙碰撞随着人工智能技术的飞速发展，生成对抗网络（GenerativeAdversarialNetworks，GANs）在图像生成、视频生成、音频合成等领域展现出了惊人的创造力
Echo_Wish·2025-01-23 20:19

docker起的geoserver怎么访问docker启动的postgis数据库

第一步：查询docker启动的容器dockerps-a第二步：查询应用的ip如我的docker容器名称是第一步查询的postgres，那么查询的命令是：dockerinspect-f"{{range.NetworkSettings.Networks
niuge No.1·2025-01-23 08:27

论文笔记 U-Net: Convolutional Networks for Biomedical Image Segmentation

摘要：人们普遍认为，深度网络的成功训练需要数千个带注释的训练样本。在本文中，我们提出了一种网络和训练策略，该策略依赖于大量使用数据增强来更有效地使用可用的注释样本。该体系结构包括用于捕获上下文的收缩路径和用于实现精确定位的对称扩展路径。我们表明，这样的网络可以从很少的图像进行端到端训练，并且在ISBI挑战中优于先前的最佳方法（滑动窗口卷积网络）,用于分割电子显微堆栈中的神经元结构。使用在透射光显微
城南皮卡丘·2025-01-22 10:24

深入解析CANN算子开发：TBE与AI CPU算子类型及其开发方法全指南

CANN（ComputeArchitectureforNeuralNetworks）作为华为AscendAI处理器的开发平台，提供了两种类型的算子开发支持：TBE算子和AICPU算子。
快撑死的鱼·2025-01-21 20:09

基于TSN的实时通信网络延迟评估技术

论文标题：ATSN-basedTechniqueforReal-TimeLatencyEvaluationinCommunicationNetworks作者信息：AlbertoMorato,ClaudioZunino
神一样的老师·2025-01-21 15:49

基于TSN的混合5G网络中的确定性通信研究需求与综述

ResearchDemandandReviewonDeterministicCommunicationinHybrid5GnetworksbasedonTSNMahmoudAlqudahUniversityofSiegenSiegen
神一样的老师·2025-01-21 14:41

VYOS容器运行Carbonyl 终端浏览器

//github.com/fathyb/carbonyl手动运行版addcontainerimagefathyb/carbonylsetcontainernamecarbonylallow-host-networkssetcontainernamecarbonylcap-add'net-admin'setcontainernamecarbonylcap-add'net-bi
GTaylor·2025-01-21 09:55

与机器学习的邂逅--自适应神经网络结构的深度解析

自适应神经网络（AdaptiveNeuralNetworks，ANN）因其出色的学习能力和灵活性，逐渐成为研究的热点。
想成为高手499·2025-01-20 20:23

自适应神经网络架构：原理解析与代码示例

自适应神经网络（AdaptiveNeuralNetworks,ANN）为此提供了一种新的解决方案，它可以根据数据特征和训练情况自动调整网络结构，从
chian-ocean·2025-01-20 19:51

华为CANN架构与Ascend C算子开发

CANN架构CANN（ComputeArchitectureforNeuralNetworks）是华为专为应对人工智能场景而推出的一种新型异构计算架构。
z1931195·2025-01-18 10:28

MindIE+MindFormers推理方案指导

组件介绍CANNCANN是什么异构计算架构CANN（ComputeArchitectureforNeuralNetworks）是昇腾针对AI场景推出的异构计算架构，向上支持多种AI框架，包括MindSpore
·2025-01-17 20:50

北大新模型FAN：新型神经网络架构，填补周期性特征建模空白

面对这一挑战，北京大学李戈教授的团队提出了一种创新性的网络架构——FourierAnalysisNetworks（FA
海森大数据·2025-01-17 07:11

卷积神经网络（CNN）：深度学习中的核心模型

引言卷积神经网络（ConvolutionalNeuralNetworks,CNNs）是深度学习领域的一种重要模型，广泛应用于图像处理、计算机视觉、自然语言处理等多个领域。
任义礼智信·2025-01-17 02:01

深度学习-点击率预估-研究论文2024-09-14速读

DeepTargetSessionInterestNetworkforClick-ThroughRatePredictionHZhong,JMa,XDuan,SGu,JYao-2024InternationalJointConferenceonNeuralNetworks
sp_fyf_2024·2024-09-15 23:36

CycleGAN学习：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks, 2017.

【导读】图像到图像的转换技术一般需要大量的成对数据，然而要收集这些数据异常耗时耗力。因此本文主要介绍了无需成对示例便能实现图像转换的CycleGAN图像转换技术。文章分为五部分，分别概述了：图像转换的问题；CycleGAN的非成对图像转换原理；CycleGAN的架构模型；CycleGAN的应用以及注意事项。图像到图像的转换涉及到生成给定图像的新的合成版本，并进行特定的修改，例如将夏季景观转换为冬季
屎山搬运工·2024-09-13 15:35

arXiv综述论文“Graph Neural Networks: A Review of Methods and Applications”

arXiv于2019年7月10日上载的GNN综述论文“GraphNeuralNetworks:AReviewofMethodsandApplications“。
硅谷秋水·2024-09-13 14:27

C# 网口通信（通过Sockets类）

5.关闭连接1.引入SocketsusingSystem.Net.Sockets;2.定义TcpClientprivateTcpClienttcpClient;//TcpClient实例privateNetworkStreamstream
萨达大·2024-09-13 12:46

Centos9 网卡配置文件

1、Centosstream9网络介结Centos以前版本，NetworkManage以ifcfg格式存储网络配置文件在/etc/sysconfig/networkscripts/目录中。
码哝小鱼·2024-09-12 04:17
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他