论文推荐：基于GE-MRI的多任务学习
医学图像分析，多任务学习，图像分类，图像分割，U-Net，后处理
语义分割系列6-Unet++（pytorch实现）
本文介绍了Unet++网络，在pytorch框架上复现Unet++，并在Camvid数据集上进行训练。
用pointnet++分类自己的点云数据
这篇博客主要是针对于现有的热门的激光点云处理算法pointnet++如何分类自己的数据集展开的。在介绍基本的pointnet++算法的概念、基本步骤及思想、部分代码讲解之后，会介绍如何使用自己的数据集进行分类（涉及到详细的代码改进方法及步骤）以及打印利用自己数据集跑出的模型后的点云坐标。
利用LSTM实现预测时间序列（股票预测）
目录1、作者介绍2、tushare 简介3、LSTM简介3.1 循环神经网络 (Recurrent Neural Networks)3.2 LSTM网络3.2.1 LSTM的核心思想3.2.2 一步一步理解LSTM4 代码实现4.1 导入相关资源包4.2 定义模型结构4.3 制作数据集4.4 模型
BP神经网络预测实例（matlab代码，神经网络工具箱）
目录辛烷值的预测matlab代码实现工具箱实现参考学习b站：数学建模学习交流bp神经网络预测matlab代码实现过程辛烷值的预测【改编】辛烷值是汽油最重要的品质指标，传统的实验室检测方法存在样品用量大，测试周期长和费用高等问题，不适用于生产控制，特别是在线测试。近年发展起来的近红外光谱分析方法（NI
人工智能学习——模糊控制
模糊控制文章目录模糊控制前言一、模糊控制是什么？与神经网络的区别？二、模糊控制原理1.模糊化2.模糊规则3.模糊推理4.解模糊化三、模糊控制算法实例解析（含代码)1、选择观测量和控制量参考前言鉴于个人学习方向并不在此，所以此文章仅作为个人学习笔记使用，主要介绍理论以及学习过程，仅供参考！一、模糊控制
要点初见：AI绘图工具的部署资源、攻略整理（下篇）
本篇主要整理AI绘图工具的部署攻略，博主挑选了一些易于实操的文章方便大家在自己的平台上玩转开源AI绘图工具——Disco Diffusion、Stable Diffusion。
深度学习中的FPN详解
深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。一、提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文
一键上手时下最火AI作画工具
在华为云ModelArts上， 无需考虑计算资源、环境的搭建，就算不懂代码，也能按照教程案例，通过Stable Diffusion成为艺术大师。
常用的激活函数（Sigmoid、Tanh、ReLU等）
目录一、激活函数定义二、梯度消失与梯度爆炸 1.什么是梯度消失与梯度爆炸2.梯度消失的根本原因3.如何解决梯度消失与梯度爆炸问题 三、常用激活函数1.Sigmoid2.Tanh3.ReLU4.Leaky ReLU5.ELU6.softmax7.Swish 激活函数 (Activatio
在CPU上跑yolov5（详细步骤+适合入门）
非常详细的步骤，适合新手，不要一天就可以跑通！
神经网络与深度学习
神经网络与深度学习复习
yolov7开源代码讲解--训练代码
以前看CNN训练代码的时候，往往代码比较易懂，基本很快就能知道各个模块功能，但到了后面很多出来的网络中，由于加入了大量的trick，导致很多人看不懂代码，代码下载以后无从下手。训练参数和利用yaml定义网络详细过程可以看我另外的文章，都有写清楚。其实不管什么网络，训练部分大体都分几个部分：1.网络的
YOLOv5训练自己的数据集详解
入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。一、YOLOv5源码下载网址指路：GitHub - ultralytics/yolov5: YOLOv5 ???? in PyTorch > ONNX > CoreML > TF
特征融合的分类和方法
1、特征融合的定义特征融合方法是模式识别领域的一种重要的方法，计算机视觉领域的图像识别问题作为一种特殊的模式分类问题，仍然存在很多的挑战，特征融合方法能够综合利用多种图像特征，实现多特征的优势互补，获得更加鲁棒和准确性的识别结果。2、特征融合的分类按照融合和预测的先后顺序，分类为早融合和晚融合（Ea
神经网络算法基本原理及其实现
目录背景知识人工神经元模型激活函数网络结构工作状态学习方式BP算法原理算法实现（MATLAB）背景知识在我们人体内的神经元的基本结构，相信大家并不陌生，看完下面这张图，相信大家都能懂什么是人工神经网络？人工神经网络是具有适应性的简单神经元组成的广泛并互连的网络，它的组织能够模拟生物神经系统对真实世界
DNN（全连接神经网络）
一.DNN网络一般拥有三层1.输入层2.隐藏层3.输出层简单网络如下：二.正向传播从第二层开始，每一个神经元都会获得它上一层所有神经元的结果。即每一个 y = wx + b的值。具体分析如下：如此下去就会非常可能出现了一个问题------就是越靠后的神经元获得的y值会非常大，试想一下，如果这个数远远
深度解析：什么是Diffusion Model？
©PaperWeekly 原创 ·作者 |鬼谷子引言在上一篇基于流的深度生成模型中详解介绍了有关流的生成模型理论和方法。目前为止，基于 GAN 生成模型，基于 VAE 的生成模型，以及基于 flow 的生成模型它们都可以生成较高质量的样本，但每种方法都有其局限性。GAN 在对抗训练过程中会出现模式崩
GAN（生成对抗网络）的系统全面介绍（醍醐灌顶）
本文是关于GAN学习的较为系统全面的介绍，主要针对初学者，希望能够对大家带来帮助。
物理信息神经网络PINNs : Physics Informed Neural Networks 详解
本博客主要分为两部分：1、PINN模型论文解读2、PINN模型相关总结一、PINN模型论文解读1、摘要：基于物理信息的神经网络（Physics-informed Neural Network， 简称PINN），是一类用于解决有监督学习任务的神经网络，同时尊重由一般非线性偏微分方程描述的任何给定的物理
