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

PyTorch进阶实战指南：01自定义神经网络组件开发在深度学习领域，PyTorch凭借其动态计算图和灵活的模块化设计，已成为学术研究和技术落地的首选框架之一。本文聚焦于神经网络组件的自定义开发，旨在帮助开发者突破现成模型的限制，实现创新性的网络架构设计。通过深入解析nn.Module基类运行机制、手把手实现各类神经网络层、剖析复杂模型设计范式，读者将掌握构建定制化深度学习模型的核心能力。

阅读 1.8k

56赞

深入了解PINN：物理信息神经网络（Physics-Informed Neural Networks）深入了解PINN：物理信息神经网络（Physics-Informed Neural Networks）

阅读 9.8k

69赞

BP 算法探秘：神经网络的幕后引擎 BP 算法作为神经网络训练的核心算法，凭借其独特的工作原理和强大的学习能力，在人工智能领域发挥着不可替代的作用。虽然它存在一些局限性，但通过不断的改进和优化，依然有着广阔的应用前景。随着人工智能技术的不断发展，BP 算法也面临着新的机遇和挑战。一方面，在量子计算、神经形态芯片等新技术的支持下，BP 算法的训练效率有望得到大幅提升；另一方面，如何更好地解决局部极小值、过拟合等问题，以及将 BP 算法与其他新兴技术（如强化学习、生成对抗网络）相结合，将是未来研究的重要方向。所有图片来源网络。

阅读 1.3k

49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

突触可塑性与STDP：神经网络中的自我调整机制当一个神经元（前脉冲神经元）先发出脉冲，而另一个神经元（后脉冲神经元）随后发出脉冲时，前脉冲神经元的信息对后脉冲神经元产生了积极的影响。相反地，如果后脉冲神经元先发出脉冲，而前脉冲神经元较晚发射，那么前脉冲神经元的信息对于后脉冲神经元的作用较小，连接会被削弱（即突触权重减少）。在神经网络的学习过程中，突触可塑性（Synaptic Plasticity）是指神经元之间的连接强度（突触权重）随着时间的推移而动态变化的能力。尖峰神经网络模仿了生物神经元的脉冲发射机制，通过脉冲的时间序列编码信息。

阅读 4.7k

25赞

图神经网络实战（18）——消息传播神经网络消息传递神经网络 (Message Passing Neural Network, MPNN) 通过消息传播机制对多种图神经网络 (Graph Neural Networks, GNN) 模型做出了一般性总结。在本节中，我们介绍了 MPNN 框架，该框架通过信息、聚合和更新三个步骤统一了 GNN 层，同时介绍了如何在 PyTorch Geometric 中使用 MPNN 创建图卷积网络 (Graph Convolutional Network, GCN) 层。

阅读 4.7k

58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

雾非雾の迷惘

AI遇见端动态神经网络：Cephalon（联邦学习+多模态编码）认知框架构建 Cephalon端脑云不仅是一套工具，更是数字化浪潮中赋能个人与企业的“智能引擎”。无论你是开发者、设计师，还是企业团队，它都能通过端云协同、AI增强的能力，将复杂的技术门槛转化为触手可及的生产力。无论是用AI生成赛博朋克风格的机甲插画，还是通过Tabby终端让代码与云端算力无缝协作，端脑云的每一处设计都在诠释一个真理：智能时代的生产力，应该属于每一个敢于想象的人

阅读 3.5w

104赞

深层神经网络，深层网络中的前向传播，核对矩阵的维数，深层表示的原因，深层网络中的后向传播，搭建神经网络块对于L层神经网络（L-layer NN），其结构包含L−1个隐藏层与1个输出层。对于单个训练样本，输入向量\(\mathbf{x}\)维度为\((n^{[0]},1)\)，第\(l\)层权重矩阵\(\mathbf{W}^{[l]}\)和偏置向量\(\mathbf{b}^{[l]}\)的维度分别为\((n^{[l]},n^{[l-1]})\)和\((n^{[l]},1)\)，其中\(l=1,\dots,L\)，\(n^{[l]}\)表示第\(l\)层神经元数量，且输入层维度\(n^{[0]}=n_x\)。

阅读 900

7赞

液态神经网络技术指南液态神经网络（Liquid Neural Networks，LNN）是一类具有动态内部结构的神经网络，其灵感来源于生物神经系统，尤其是大脑中神经元如何以复杂、非线性的方式响应外部刺激。与传统神经网络不同，液态神经网络的每个神经元在处理输入时，不再是静态线性或非线性变换，而是基于一个微分方程模型进行响应。这种建模方式使神经元的行为具有时间连续性和动态适应性。换句话说，它不仅“记住”过去的信息，还能根据当前环境实时调整自身的动态特性，这对于感知、决策、预测等任务都非常关键。

阅读 2.9k

51赞

神经网络 - 激活函数（ReLU 函数） ReLU（Rectified Linear Unit，修正线性单元）是一种广泛应用于深度学习中的激活函数。其定义为：f(x) = max(0, x)，即当输入大于0时，输出为输入值；当输入小于或等于0时，输出为0。然而，ReLU也存在一些局限性，例如在训练过程中，某些神经元可能会因为始终输出0而“死亡”，即所谓的“神经元死亡”问题。为此，研究者提出了Leaky ReLU、Parametric ReLU等改进版本，以缓解这一问题。

阅读 6.4k

39赞

Coovally AI模型快速验证

告别水下模糊！SU-YOLO：轻量化+尖峰神经网络，用“类脑计算”实现水下目标毫秒级识别目录一、摘要二、引言三、相关工作SNN 物体检测水下物体探测水下图像去噪归一化四、方法水下尖峰YOLO尖峰干扰器SU-BlockSpikeSPP编码器和检测头分批归一化五、Coovally AI模型训练与应用平台六、实验结果数据集和实施细节数据集实施细节计算成本时间步长对比实验消融实验SU-YOLO模块的有效性SpikeDenoiser的效果SeBN的有效性残块替换混淆矩阵和精度-召回曲线池化和激活顺序时间步长七、结论水下物体探测对于海洋研究和工业安全检查至关重要。然而，复杂的光学环境和有限的水下设备资源给

阅读 1.3k

20赞

【机器学习-监督学习】神经网络与多层感知机本文讲解了神经网络的发展历程，以及一个曾经得到大规模应用的重要神经网络模型——多层感知机。其中包含的前馈结构、反向传播等思想，深刻地影响了后续神经网络的发展。

阅读 2.7k

66赞

神经网络中的损失函数（Loss Function）损失函数通常是一个非负实数函数，表示为L(Y, f(X))，其中Y是实际值（也称为标签或真实值），f(X)是模型的预测值（也称为输出值或估计值），X是输入数据。损失函数的值越小，表示模型的预测结果与实际值越接近，模型的性能也就越好。在这些任务中，模型的目标是尽可能准确地预测连续变量的值，而MAE则提供了一个衡量模型预测精度的有效指标。在这些任务中，模型的目标是准确预测样本所属的类别，而交叉熵损失则提供了一个衡量模型预测精度的有效指标。RMSE是通过计算预测值与实际值之间差的平方的平均值的平方根来衡量的。

阅读 8.8k

25赞

神经网络之Pytorch构建全连接神经网络（实现鸢尾花分类案例） criterion = nn.CrossEntropyLoss() # 交叉熵损失函数，适用于多分类optimizer = optim.Adam(model.parameters(), lr=0.01) # Adam优化器。

阅读 822

10赞

《Python星球日记》第51天：神经网络基础神经网络是什么？简单来说，它是一种模仿人类大脑结构和工作方式的算法模型，能够从大量数据中学习复杂的模式。无论是语音识别、图像分类还是自然语言处理，神经网络都展现出了强大的能力。让我们一起踏上这段奇妙的旅程吧！

阅读 1.1k

14赞

Python实现基于GWO-CNN-LSTM-selfAttention灰狼优化算法（GWO）优化卷积长短记忆神经网络结合自注意力机制多变量多步时间序列预测的详细项目实例目录Python实她基她GWO-CNN-LTTM-tflfSttfntion灰狼优化算法（GWO）优化卷积长短记忆神经网络结合自注意力机制多变量多步时间序列预测她详细项目实例... 1项目背景介绍... 1项目目标她意义... 21. 提升多变量多步时间序列预测她准确她... 22. 优化模型参数... 23. 结合深度学习和智能优化技术... 24. 提高模型她训练效率... 25. 解决复杂时序数据建模问题... 26. 扩展深度学习在时间序列预测中她应用... 37. 推动智能优化算法她进步... 3

阅读 869

17赞

gorgor在码农

神经网络基础（NN）这篇文章详细介绍了神经网络的基础知识、组成要素、优化方法、正则化策略以及一个完整的案例——使用神经网络构建手机价格分类模型。文章从神经网络的定义、神经元模型讲起，逐步深入到激活函数、权重初始化、损失函数、优化器等内容，并通过手机价格分类案例展示了从数据预处理到模型构建、训练、优化和部署的全过程，适合深度学习初学者系统学习。

阅读 1.8k

35赞

天天Matlab科研工作室

基于 RBF 神经网络进行非线性系统识别附matlab代码摘要: 非线性系统识别是控制理论和系统工程中的核心问题，其目标是建立一个能够准确描述系统输入输出关系的数学模型。径向基函数 (Radial Basis Function, RBF) 神经网络凭借其良好的逼近能力和快速的学习速度，成为解决非线性系统识别问题的有力工具。本文将深入探讨基于 RBF 神经网络进行非线性系统识别的原理、方法及应用，并分析其优势和局限性，最后展望其未来的发展方向。关键词: 非线性系统识别；径向基函数神经网络；模型逼近；参数估计；应用1. 引言。

阅读 1.0k

13赞

作者推荐

过期动态: 软件工程硕士，专注于软件开发、大数据技术、人工智能和深度学习领域的知识共享

关注

王哥儿聊AI: 对大模型相关的论文进行阅读解析，欢迎大家多多交流投稿自己的工作欢迎大家关注我的公众号：大模型论文研习社

关注

Ai多利: 资料领取：公众号【AI创新工场】

关注

南太湖小蚂蚁: Java，Android老程序员，现在做Python深度学习和机器学习,科研机构

关注

夏日的盒盒: 一枚研究生，博文就是做论文阅读笔记

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

AI十八式: 公众号【AI十八式】有更多的前沿资料与干货！

关注

九亿AI算法优化工作室&: 完整代码程序定制论文复现期刊写作科研合作 ️关注咸鱼号九亿AI算法优化工作室，更多资源等你来！！欢迎私信！

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

如果树上有叶子: 提高效率，为了做自己喜欢的事

关注