混合策略改进的蜣螂算法（IDBO）优化BP神经网络
针对DBO算法全局探索能力不足、易陷入局部最优以及收敛精度不理想等问题，多为学者提出了混合多策略改进的蜣螂优化算法（IDBO）。主要混合策略改进首先是采用混沌映射结合随机反向学习策略初始化种群提高多样性，扩大解空间 搜索范围，增强全局寻优能力；其次通过黄金正弦策略实现个体动态搜索，提高算法遍历性；在
MATLAB神经网络拟合工具的使用
使用MATLAB神经网络拟合工具箱的流程。
详解归一化、标准化、正则化以及batch normalization
一文详解归一化、标准化、正则化以及batch normalization
图像相关的基础知识【RGB和RGBA】—附python代码实现
图像处理基础知识，了解RGB和RGBA
002-FFN(前馈神经网络）和MLP（多层感知器）的介绍及对比
FFN(前馈神经网络）与MLP(多层感知器）的介绍与对比
【学术会议征稿】第五届计算机工程与智能控制学术会议（ICCEIC 2024)
第五届计算机工程与智能控制学术会议（ICCEIC 2024）将于2024年10月18日至22日在广州举办，聚焦计算机工程与智能控制前沿，涵盖网络安全、硬件系统、软件工程、嵌入式创新等多个核心议题及交叉学科研究。ICCEIC 2024将计算机工程和智能控制领域的创新学者和工业专家聚集到一个共同的论坛上
矩阵和神经网络的优雅与力量-《Python神经网络编程》读后感
计算机的优势是像时间机器一样，不知疲倦，可以通过人类的所有能源技术和计算技术，短时间内处理巨大的数据量。
硬件加速器中的神经网络
硬件加速器中的神经网络指的是通过专门设计的硬件设备来加速深度神经网络（DNN）和其他机器学习模型的训练和推理过程。这些硬件加速器旨在提高计算效率、降低功耗，并减少延迟，以满足在大规模和实时应用中的高性能需求。随着人工智能（AI）的快速发展，硬件加速器已成为深度学习应用中的关键技术。
三元组损失Triplet loss 详解
在这篇文章中,我们将以简单的技术术语解析三元组损失及其变体批量三元组损失,并提供一个相关的例子来帮助你理解这些概念。
登顶GitHub Trending，开源工具MinerU助力复杂PDF高效解析提取
在7月4日举行的WAIC 2024科学前沿主论坛上，书生·浦语2.5正式发布，面向大模型研发与应用的全链条工具体系同时迎来升级。在数据处理环节，上海人工智能实验室（上海AI实验室）大模型数据基座OpenDataLab团队开源了全新的智能数据提取工具——MinerU。
数据缺失补全方法综述
数据缺失是数据分析和机器学习中的一个普遍问题，可能由于多种原因（如传感器故障、数据录入错误、系统故障等）导致。缺失数据不仅会影响模型的性能，还可能导致错误的推断和决策。为了应对这一挑战，研究者们提出了多种数据缺失补全方法。本文综述了几种常见的缺失数据补全技术，包括简单插补、基于模型的插补、机器学习方
【人工智能】人工智能的历史发展与机器学习和神经网络
人工智能是如何工作的？机器学习和神经网络又是什么？
大模型应用开发实例-调用闭源大模型API
本专栏着重于学习大模型应用相关知识，不会描述大模型整体框架、大模型微调等细节训练知识，主要语言是python，适合于有一定代码基础学习人员。本章节主要是通过一个简单应用了解大模型，调用大模型API创建对话。后面章节会进行本地部署大模型等应用内容。
GPT-4o mini：开启人工智能新篇章
GPT-4和GPT-4o不是早就出来了吗？为什么GPT-4o mini的出世引来这么大的轰动呢？因为它免费、因为它快、因为它接口便宜、因为它同步开启了GPT-4o-mini-2024-07-18的微调。因为你还没有点开文章，所以不知道啊~
Adam-mini：内存占用减半，性能更优的深度学习优化器
Adam-mini基于Hessian矩阵的结构，将模型参数划分为多个块，每个块使用单一的平均学习率，从而大幅减少了需要存储的学习率数量。在非LLM任务中的实验结果进一步验证了Adam-mini的广泛适用性。Adam-mini不仅在内存占用和计算效率方面具有优势，还能在多种任务中保持或提升模型性能，是
【初学人工智能原理】【11】卷积神经网络：图像识别实战
本文教程均来自b站【小白也能听懂的人工智能原理】，感兴趣的可自行到b站观看。
【轻量化神经网络的MCU部署/边缘计算：基于GD32H7】开源GD32AI-ModelZoo工具的完善与详细使用说明
本文档将对gd32ai-modelzoo中的使用方法进行更加细致的介绍。并对原博主提供的gd32ai-modelzoo部分代码进行了修改，使其可以更加顺利地运行。
AlphaGo 背后的人工智能：机器学习和神经网络
AlphaGo 的规则是学习而来的，而不是设计出来的，它运用机器学习以及多个神经网络来创建学习组件，使围棋水平更高。从与英国国家医疗服务体系的合作可以看出，AlphaGo 在其他领域也有着广阔的应用前景。
CNN卷积网络实现MNIST数据集手写数字识别
首先，通过MNIST类创建了train_data对象，指定了数据集的路径，并且将数据集标记为训练集train=True。表示不自动从网络上下载数据集，而是使用已经下载好的数据集。我是之前自己已经下载过该数据集所以这里填的是False,如果之前没有下载的话就要填True。下面测试集也是一样。将数据转换
3.7.物体检测算法
首先使用启发式搜索算法来选择锚框，使用预训练模型对每个锚框抽取特征，训练一个SVM来对类别分类，最后训练一个线性回归模型来预测边缘框偏移。 R-CNN比较早，所以使用的是SVM。
