认识神经网络【多层感知器数学原理】
简单认识神经网络，学习多层感知器的数学原理和公式
人工智能、机器学习、神经网络、深度学习和卷积神经网络的概念和关系
深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的有效表示，而这种使用相对较短、稠密的向量表示叫做分布式特征表示（也可以称为嵌入式表示）。研究深度学习的动机在于建立模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本等。又称为机器智能，是研究、开发
【人工智能】深度学习：神经网络模型
神经网络（Neural Network）是一种模拟人脑神经元连接方式的计算模型。其基本组成部分是神经元（Neurons），通过加权连接和激活函数构成复杂的网络结构。神经网络广泛应用于模式识别、分类和回归等领域。
持续学习中避免灾难性遗忘的Elastic Weight Consolidation Loss数学原理及代码实现
Elastic Weight Consolidation。EWC提供了一种很有前途的方法来减轻灾难性遗忘，使神经网络在获得新技能的同时保留先前学习任务的知识。
AI集成工具平台一站式体验，零门槛使用国内外主流大模型
几十种AI大模型，欢迎体验
AI：184-神经网络应用与实战案例详解（AIGC技术方向）
AIGC（人工智能生成内容）依托于先进的神经网络技术，展现了极大的潜力和应用价值。本文介绍了AIGC的几种核心底层技术，包括循环神经网络（RNN）、长短期记忆网络（LSTM）、生成对抗网络（GAN）、变分自动编码器（VAE）和Transformer架构，并提供了相应的代码示例。循环神经网络（RNN）
RouteLLM：高效LLM路由框架，可以动态选择优化成本与响应质量的平衡
该论文提出了一个新的框架，用于在强模型和弱模型之间进行查询路由选择。通过学习用户偏好数据，预测强模型获胜的概率，并根据成本阈值来决定使用哪种模型处理查询 。该研究主要应用于大规模语言模型（LLMs）的实际部署中，通过智能路由在保证响应质量的前提下显著降低成本。
MLP多层感知器：AI人工智能神经网络的基石
MLP 是指多层感知器（Multilayer Perceptron），是一种基础人工神经网络模型（ANN，Artificial Neural Network）。MLP 能够将信息逐层重新组合，每层重组的信息经过激活函数的放大或抑制后进入下一层的数据重组，从而实现特征提取和知识获取。
图神经网络实战（13）——经典链接预测算法
链接预测 (Link prediction) 可以帮助我们理解和挖掘图中的关系，并在社交网络、推荐系统等领域提供更准确的预测和决策支持。为了解决链接预测问题，研究者们提出了多种方法。本节将介绍基于局部和全局邻域的启发式方法。
【AI落地应用实战】如何让扫描工具更会思考——智能高清滤镜2.0实战测评
在这个信息爆炸的数字化时代，扫描工具已经成为我们日常工作和学习中不可或缺的助手。最近，扫描全能王推出了革命性的“智能高清滤镜2.0”，本次更新后，智能高清滤镜能够智能识别并优化扫描过程中的各种问题。无论是光线不均、背景杂乱，还是文档本身的折痕和污渍，它都能一一化解，呈现清晰、准确的扫描结果。在这篇实
AI助力垃圾分类开启智慧环保新时代，基于卷积神经网络模型开发实践垃圾分类识别系统
AI助力垃圾分类开启智慧环保新时代，基于卷积神经网络模型开发实践垃圾分类识别系统
springAI
springAI
从零入手人工智能（1）——卷积神经网络
人工智能是一个博大精深的领域，我相信有许多志同道合的朋友也希望涉足这个领域，因此我写下这篇文章，旨在详细记录我学习人工智能的每一个步骤和心得，希望能为想要入门人工智能的朋友们提供一份入门的指南。为了激发大家的兴趣，我将直接从卷积神经网络这一热门话题入手，带大家领略人工智能的魅力和乐趣。
不同生成式AI模型的优缺点（GAN，VAE，FLOW）
GAN，VAE、FLOW、自回归模型优缺点
【机器学习】图神经网络：深度解析图神经网络的基本构成和原理以及关键技术
图数据是一种复杂的数据结构，由节点（vertices）和边（edges）组成，用于表示对象及其相互关系。节点代表数据中的实体，边则表示实体之间的关系。多样性：图数据可以表示各种类型的关系，如一对一、一对多、多对多等。不规则性：图的结构不固定，节点和边的数量及连接方式可变。高维性：每个节点和边可以包含
Stable Diffusion初体验——基于机器学习通过神经网络的强大AI平台
在这个信息爆炸的时代，AI技术正以前所未有的速度发展着。图生图AI换脸图生视频等技术的涌入，极大地改变了我们的工作与生活，带来了更多的挑战与机遇。例如我们可以使用AI去生成具有质感的人物图像也可以使用实现视频，图片的换脸效果图生视频也可以轻松实现图生视频但是这样的效果与实现需要用到昂贵的显卡，CPU
Pixel Transformer：用像素代替补丁可以提升图像分类精度
本文将讨论Pixel Transformer的复杂性，创新方法，以及它对人工智能和计算机视觉未来的重要影响。
探析—面向存算架构的神经网络数字系统【存内计算开发者社区】
面向存算架构的神经网络数字系统（Compute-in-Memory, CIM 或 Processing-in-Memory, PIM）是一种旨在突破传统计算架构瓶颈的新型系统设计。传统的计算系统中，数据存储和数据计算通常分开进行，这导致了大量的数据搬移和相关的时间、能量消耗。而存算一体化架构通过将计
【基于深度学习的人脸识别】（Dlib+ResNet残差神经网络）——QT（C++）+Linux
dlib_face_recognition_resnet_model_v1.dat 是基于深度学习的人脸识别模型，是dlib库中的一个重要组件。该模型的原理涉及到深度卷积神经网络（DCNN）和具体的人脸识别算法。
人工智能--深度神经网络
人工智能（AI）是计算机科学的一个分支，旨在模拟或仿效人类智能。深度神经网（DNN）是AI的一个子领域，因其在图像识别、语音识别、自然语言处理等方面的卓越表现而备受瞩目。本文将详细探讨深度神经网络的基本概念、结构、训练过程、应用领域及其面临的挑战，并结合现实示例进行分析。希望这些能对刚学习算法的同学
