归一化技术比较研究：Batch Norm, Layer Norm, Group Norm
本文将使用合成数据集对三种归一化技术进行比较，并在每种配置下分别训练模型。记录训练损失，并比较模型的性能。
《生物识别技术：面对安全挑战的绝佳选择？》
在图像分类任务中，ResNet展现了出色的性能。智能推荐系统：神经网络在智能推荐系统中发挥着重要作用，通过学习用户的行为数据和物品的特征，实现个性化的推荐。未来，神经网络算法将不仅仅注重模型的准确性，还会注重模型的可解释性，为人们提供更加可信赖的人工智能应用。正则化：正则化是一种防止过拟合的方法，通
Quiet-STaR:让语言模型在“说话”前思考
本文将介绍一篇3月的论文Quiet-STaR：这是一种新的方法，通过鼓励LLM发展一种“内心独白”的形式来解决这一限制，这种基本原理生成有助于LLM通过完成任务或回答问题所涉及的步骤进行推理，最终获得更准确和结构良好的输出。
【AI】2024 年 AI 辅助研发趋势（详）
随着人工智能技术的不断发展，AI辅助研发在各行业中扮演着越来越重要的角色。本文将深入探讨2024年AI辅助研发的趋势，并分析其对科技创新和产业发展的影响。加强AI人才培养，提供实践机会，培养解决实际问题的能力。AI辅助设计系统在车辆结构优化、自动驾驶技术开发中起到关键作用，提高了车辆的性能和安全性。
从 人工智能学派 视角来看 人工智能算法
人工智能算法太多了，它们杂乱无章，我该怎么学？也许你得追根溯源到学派思想，把握其中的根本
爆肝3W多字，100多张配图！深度学习从小白到精通一篇博文帮你打开人工智能的大门建议收藏不容错过！！！
在介绍深度学习之前，我们先看下这幅图：人工智能>机器学习>深度学习。深度学习是机器学习的⼀个子集，也就是说深度学习是实现机器学习的一种方法。与机器学习算法的主要区别如下图所示：传统机器学习算术依赖人工设计特征，并进行特征提取，而深度学习方法不需要人工，而是依赖算法自动提取特征，这也是深度学习被看做黑
【人工智能图像补全复现】基于GAN的图像补全
本文解析和实现论文Globally and Locally Consistent Image Completion中的相关方法。论文亮点在于使用全局（整张图片）和局部（缺失补全部分）两种鉴别器来训练，并运用GAN使生成图像在各个尺度的特征与真实图像匹配。关键词：GAN；图像补全；多种鉴别器训练。
【人工智能Ⅱ】实验1：卷积神经网络应用
由上图可知，经过30次训练迭代后，蓝色部分的训练损失值曲线和橘色部分的测试损失值曲线整体均呈现下降趋势，且训练损失值的下降速度快于验证损失值的下降速度。由上图可知，经过30次训练迭代后，蓝色部分的训练准确率曲线和橘色部分的测试准确率曲线整体均呈现上升趋势，且训练准确率的上升速度快于验证准确率的上升速
sheng的学习笔记-AI-卷积神经网络经典架构-LeNet-5、AlexNet、VGGNet-16
LeNet,AlexNet,VGG16，卷积层，池化层
学习人工智能：吴恩达：什么是神经元？神经网络（深度学习）如何工作？
学习-吴恩达《AI for everyone》2019 神经网络的魔法就在于 你并不需要知道神经网络 里面到底在干嘛， 你只需要 给它很多像A这样的图片数据 和像B这样的正确人脸的身份标签， 然后这个学习算法 自己就会弄清楚这中间的 每一个神经元需要计算什么！
政安晨：【完全零基础】认知人工智能（五）【超级简单】的【机器学习神经网络】 —— 数据训练
作为这个系列文章的最后一篇，咱们先回顾一下建立神经网络的整体步骤，以实现对机器学习神经网络的整体认知。数据训练部分的目的是通过大量的数据和反向传播算法来调整网络参数，使得网络能够学习到输入数据的特征和模式，从而实现对未知数据的准确预测或分类。在人工智能领域中，机器学习神经网络的数据训练部分是指通过将
智能笔墨：AI大模型引领多领域创作与全球交流【文末送书-26】
智能笔墨：AI大模型引领多领域创作与全球交流【文末送书-26】随着人工智能（AI）技术的迅猛发展，AI大模型如GPT-3.5等正在改变着传统写作的面貌，为创作者们提供了高效、创新的写作工具。这些强大的语言模型不仅能够生成自然流畅的文本，还具备理解和学习的能力，从而在各个领域实现更为智能化的写作过程。
Sora：开启视频创作未来的AI革命。Chatgpt
在人工智能技术迅猛发展的今天，OpenAI推出的AI视频模型Sora代表了视频创作领域的一次重大革新。Sora凭借其卓越的性能和前瞻性技术，不仅提高了视频制作的效率和质量，还开辟了全新的创作可能性。本文深入探讨了Sora的核心技术特点，包括其先进的神经网络结构、数据处理能力和学习算法，展现了它在视频
政安晨：【完全零基础】认知人工智能（二）【超级简单】的【机器学习神经网络】—— 底层算法
神经元是神经网络的基本组成单元，其底层算法主要包括输入加权和激活函数两个部分。每个神经元都与其前后层的每个神经元相互连接的三层神经元，看起来让人相当惊奇。但是，计算信号如何经过一层一层的神经元，从输入变成输出，这个过程似乎有点令人生畏，这好像是一种非常艰苦的工作。即使此后，我们将使用计算机做这些工作
《穿越神经网络的奇妙世界：探索人工智能的未来之路》
随着数据的爆炸性增长和计算能力的提升，神经网络算法在过去几年中取得了巨大的进步。从最早的感知机到如今的深度神经网络，神经网络算法已经成为解决复杂问题的强大工具。神经网络算法作为人工智能的核心技术之一，其在各个领域的应用前景广阔。未来，随着技术的不断进步和创新，我们将迎来人工智能的黄金时代。让我们一起
特斯拉FSD的神经网络（Tesla 2022 AI Day）
特斯拉FSD的神经网络关于注意力机制在视觉中的使用分析和特斯拉语言模型分割拓扑网络的技术分析解读
政安晨：【完全零基础】认知人工智能（三）【超级简单】的【机器学习神经网络】—— 三层神经网络示例
咱们还没有演示过使用矩阵进行计算得到经由神经网络馈送的信号，我们也没有演示过多于2层的神经网络示例，在这篇文章里，咱们将构建一个三层神经网络的示例，并观察如何处理中间层的输出以作为最后第三层的输入，可以想象到这个示例估计会非常有趣。为什么用3层神经网络呢？第一层为输入层，最后一层为输出层，中间层我们
RISC-V SoC + AI | 在全志 D1「哪吒」开发板上，跑个 ncnn 神经网络推理框架的 demo
比如这是它检测出的南京市长 江大桥上边的车车车车。对于 ②，我们需要把 ncnn 目录中的 build-c906/examples/nanodet 复制进去，在 ncnn-assets中下载 nanodet_m.bin 和 nanodet_m.param 两个文件放进去，再放入一张你想检测的图片即可
图神经网络与大数据：创新融合的数据智能时代
图神经网络与大数据的融合为数据智能时代带来了更多可能性。未来，随着技术的进一步发展，相信这一领域将迎来更多创新和突破。愿图神经网络和大数据的结合，在科技发展的道路上绘就更加辉煌的篇章！
AI：135-基于卷积神经网络的艺术品瑕疵检测与修复
基于卷积神经网络的艺术品瑕疵检测与修复随着人工智能技术的不断发展，其在各个领域的应用也日益广泛。本文将重点关注人工智能在文化遗产保护领域中的应用，具体探讨基于卷积神经网络（CNN）的艺术品瑕疵检测与修复技术。通过深度学习的方法，我们可以在保护文化艺术品的过程中更加精准地检测和修复潜在的瑕疵，为后人留
