神经网络_人工智能博客-专业IT技术发表平台

推荐付费专栏 VIP文章

基于物理信息的神经网络在异常检测Anomaly Detection中的应用：实践指南物理信息神经网络（PINNs）代表了一种令人兴奋的新建模范式，这种范式正在各行各业迅速崭露头角。PINNs 最有前景的应用之一是复杂物理系统中的异常检测Anomaly Detection。这一应用尤其值得关注，因为它解决了传统机器学习方法在实践中一直难以克服的几个关键痛点。在这篇博客中，让我们通过回答实践者在采用基于 PINN 的方法进行异常检测Anomaly Detection时最常遇到的一些问题，深入探讨这个热门话题。

阅读 1.2k

51赞

【动手学深度学习】深入浅出深度学习之利用神经网络识别螺旋状数据集本文介绍了利用神经网络识别螺旋状数据集的方法。通过深入浅出的方式，探讨了深度学习在处理复杂数据结构上的应用。神经网络被用于识别具有螺旋形态的数据集，展示了其在模式识别和数据分类方面的潜力。实验结果表明，神经网络在处理这种非线性数据集时表现出色，为解决实际问题提供了有力支持。

阅读 3.9k

160赞

神经网络基础-从零开始搭建一个神经网络人工神经网络（Articial Neural Network，简写为ANN）也称为神经网络（NN),是一种模仿生物神经网络和功能的计算模型，人脑可以看做是一个生物神经网络，由众多的神经元连接而成，各个神经元传递复杂的电信号，树突接收到输入信号，然后对信号进行处理，通过轴突输出信号。人工神经网络也是类似，通过模仿人脑的“学习机器”，通过不断“看”数据（比如图片，数字），自己总结规律，最终学会预测（比如分类图片）在深度学习中，损失函数是用来衡量模型参数的质量的函数，衡量的方式是比较网络输出和真实输出的差异。

阅读 3.1k

34赞

AI天才研究院

一切皆是映射：神经网络的结构和工作原理一切皆是映射：神经网络的结构和工作原理作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming关键词：神经网络，映射，感知机，反向传播，深度学习，多层感知机，卷积神经网络，循环神经网络

阅读 1.2k

18赞

深度学习入门：从零开始理解神经网络欢迎来到深度学习的世界！如果你是初学者，可能会对这个领域感到既兴奋又有些迷茫。别担心，我会带你一步步走进这个充满魅力的领域。深度学习是人工智能领域的一个重要分支，它通过模拟人脑的神经网络结构来处理数据。深度学习的核心是人工神经网络，它由大量的神经元组成，这些神经元通过复杂的连接传递和处理信息。深度学习在图像识别、语音识别、自然语言处理等领域取得了巨大的成功。例如，智能手机上的语音助手（如Siri和小爱同学）和自动驾驶汽车都依赖于深度学习技术。深度学习的强大之处在于它能够处理复杂的、非线性的数据模式。

阅读 8.7k

176赞

【机器学习与神经网络荣获诺贝尔奖】科学边界的扩展及技术革新本文主要讨论关于机器学习与精神网络荣获诺贝尔奖的感受与理解

阅读 1.8k

110赞

PyTorch实战（1）——神经网络与模型训练过程详解在本节中，我们介绍了传统机器学习与人工神经网络间的差异，并了解了如何在实现前向传播之前连接网络的各个层，以计算与网络当前权重对应的损失值；实现了反向传播以优化权重达到最小化损失值的目标。并实现了网络的所有关键组成——前向传播、激活函数、损失函数、链式法则和梯度下降，从零开始构建并训练了一个简单的神经网络。

阅读 3.8k

118赞

神经网络—ResNet50网络（pytorch）神经网络—ResNet50网络代码实现（pytorch）

阅读 2.1w

60赞

青柚MATLAB学习

用物理信息神经网络（PINN）解决实际优化问题：全面解析与实践本文系统介绍了物理信息神经网络（PINN）在解决实际优化问题中的创新应用。通过将物理定律与神经网络深度融合，PINN在摆的倒立控制、最短时间路径规划及航天器借力飞行轨道设计等复杂任务中展现出显著优势。实验表明，PINN相比传统数值方法及强化学习（RL）/遗传算法（GA），在收敛速度、解的稳定性及物理保真度上均实现突破性提升。

阅读 2.5k

25赞

童霆腾Sorrowful

darknet-pjreddie：高性能神经网络框架 darknet-pjreddie：高性能神经网络框架 darknet-pjreddie Convolutional Neural Networks 项目地址: https://gitcode.com/gh_mirrors/da/d...

阅读 752

8赞

ChaseDreamRunner

BP神经网络算法调参 BP神经网络的调参需要综合考虑多种因素，并通过系统的实验和验证来找到最优的参数组合。它通过对损失函数增加一个系数惩罚项——即在原公式基础上增加所有系数的二次方值的和，从而限制权重的大小。BP神经网络的调参是一个复杂且关键的过程，涉及多个超参数的优化和调整。

阅读 1.6k

20赞

PINN神经网络源代码解析(pyTorch) 来源于Github [https://github.com/jayroxis/PINNs](https://github.com/jayroxis/PINNs)

阅读 3.0w

85赞

西瓜书第五章(神经网络) 局部极小(local minimum) - 指在某个特定区域内的最小值，可能不是全局最小；在局部极小点，损失函数的值低于其邻域内的点，但可能高于全局最小。全局最小(global minimum) - 指损失函数的最小值，是所有可能参数组合中最优的解；在全局最小点，损失函数的值低于任何其他点。基本原理：误差逆传播算法通过计算输出层的误差，并将其反向传播到每一层，以更新权重，从而最小化预测误差。误差逆传播算法- 训练多层神经网络的关键方法，主要用于优化网络的权重。1 - 神经元兴奋，0 - 神经元抑制；

阅读 1.2k

35赞

TensorFlow深度学习实战（1）——神经网络与模型训练过程详解在本文中，我们了解了神经网络的相关基础知识，同时看到了神经网络常见的模型架构与其在实际中的广泛应用，同时利用 Python 从零开始实现了神经网络的训练过程——前向传播和反向传播，了解了神经网络的通用训练流程。

阅读 1.5w

115赞

蹦蹦跳跳真可爱589

Python----经典神经网络（《ImageNet Classification with Deep Convolutional Neural Networks》论文和AlexNet网络构建）《ImageNet Classification with Deep Convolutional Neural Networks》这篇论文介绍了一种大型深度卷积神经网络，用于将ImageNet LSVRC-2010竞赛中的120万张高分辨率图像分为1000个不同的类别 [cite: 1, 2, 3]。该网络在测试数据上取得了显著优于现有技术水平的结果，top-1和top-5的错误率分别为37.5%和17.0% [cite: 2]。

阅读 1.3k

16赞

PINN应用案例：神经网络求解热扩散方程高质量近似解文章探讨了物理信息神经网络（PINN）在求解偏微分方程（PDE）中的应用，特别是针对一维热扩散问题的求解。

阅读 4.8k

10赞

python风控模型

TabNet模型的架构图-融合决策树与神经网络的深度学习算法 TabNet模型的架构图-融合决策树与神经网络的深度学习算法

阅读 897

20赞

一枕眠秋雨>o<

基于神经网络的偏微分方程求解器再度取得突破,北大&字节的研究成果入选Nature子刊使用神经网络来解决偏微分方程的基本思想是将偏微分方程转化为一个可学习的模型，然后使用神经网络来学习这个模型。下面是一个简单的步骤概述：1. 定义问题：首先需要定义要解决的偏微分方程问题。这可能包括选择适当的坐标系、定义边界条件和初始条件等。2. 离散化：将连续的偏微分方程转化为离散的形式。这可以通过将空间和时间域划分为网格来实现。3. 构建神经网络：构建一个神经网络来逼近离散化后的偏微分方程。神经网络的输入可以是网格点上的初始条件和边界条件，输出可以是下一个时间步长的网格点上的解。

阅读 5.4k

122赞

基于物理信息神经网络（PINN）求解Burgers方程(附PyTorch源代码) 本文介绍了如何通过物理信息神经网络（PINN）求解经典的 Burgers 方程，详细讲解了网络结构、损失函数设计、训练过程以及可视化解的步骤。PINN 是一种强大的工具，能够将物理方程与神经网络相结合，用于求解复杂的偏微分方程。

阅读 6.9k

34赞

难得北窗高卧

分辨率转换---将梅尔谱转变为适合图像神经网络的输入形状的方法梅尔谱（Mel-spectrogram）是音频信号处理中的一种常用特征表示，特别是在语音识别和音乐处理领域。它在传统的声谱图（spectrogram）基础上进行了改进，更加符合人类的听觉感知特点。形状为(1, F, T)，其中1表示单通道。F表示梅尔频率通道的数量。梅尔通道的数量取决于梅尔滤波器的个数，常见的有 40 或 128 个梅尔滤波器。T表示音频信号中帧的数量。帧的数量取决于音频信号的持续时间、帧长和帧移（frame shift）设置。详情可查看该篇博客。

阅读 780

10赞

作者推荐

誉鏐: NLP，大模型，深度学习的学习者

关注

多巴胺与内啡肽.: 代码爱好者

关注

天天科研工作室: 在此郑重声明，本人与其他账号无任何相关联系，其他打着本人名义行事的本人概不负责，谢谢

关注

AI十八式: 公众号【AI十八式】有更多的前沿资料与干货！

关注

前沿速递AI: 公众号【AI前沿速递】，超多算法资料和干货！

关注

沅_Yuan: 说给昨天的今天的明天的自己面包多地址：https://mbd.pub/o/author-a2yXmm5naw==/work

关注

强盛机器学习: 985博士，发表SCI十余篇，擅长群智能优化算法原创改进及应用，深度学习等，专注分享尚未发表的创新点，需要优化算法创新点尽管提~

关注

Helios@: 眼神清澈而深（yu）邃（chun）

关注

认知计算茂森: 大家好！我是个喜欢琢磨“美是怎么炼成的”博士生。简单来说，我的工作就像在给大脑和AI装双摄镜头——左手研究人类看到画作、听到音乐时，大脑里噼里啪啦闪动的火花（这叫神经美学）；右手教人工智能学习梵高画星空时的狂野笔触，或者周杰伦写旋律时的小心思。

关注

fanxbl957: 愿每一次点击，都能带来启发，每一个回复，都能温暖彼此的心房。在这里，我们不仅是过客，更是同行者，共创美好的明天。

关注