神经网络标签_AI编程社区

神经网络

手把手教你实现GPT2

【代码】手把手教你实现GPT2。

骇城迷影
2026-02-09 11:11:30

 192

 5

#深度学习 #pytorch #python +3
AutoGPT十年演进

AutoGPT十年演进：从概念启蒙到工业级Agent平台 2015-2025年，AutoGPT完成了从学术概念到全球Agent生态核心的跨越。2015-2017年为启蒙期，规则化Agent和强化学习智能体奠定基础，但泛化能力差；2018-2020年，Transformer和大模型崛起，ReAct范式与工具调用能力推动Agent技术体系成型；2023年AutoGPT开源，实现目标驱动、自主闭环的任务

 jzwspace
2026-03-28 11:59:37

 147

#神经网络 #人工智能 #自动驾驶 +4
神经网络与深度学习课程笔记（1）

对比维度多层感知机 (MLP)卷积神经网络 (CNN)适用数据结构化数据、特征向量、表格数据网格结构数据：图像、视频、语音频谱等连接方式全连接（每个神经元与上层所有神经元相连）局部连接（神经元仅连接局部感受野）参数共享无，每个连接有独立权重卷积核在整个空间位置共享，大幅减少参数特征提取需要人工特征或原始特征自动学习层次化空间特征平移等变性无（依赖训练样本分布）卷积操作天然具有平移等变性参数量示例输

 studyingLuna
2026-05-17 11:29:08

 410

 13

#深度学习 #神经网络
神经网络与深度学习课程第二周总结

BP神经网络与卷积神经网络综述 BP神经网络通过多层感知机结构解决了单层感知机的线性分类局限，其核心是误差反向传播算法。该算法通过正向传播计算输出，反向传播调整权值，但存在局部极小值、收敛慢等问题。卷积神经网络(CNN)通过局部连接和权值共享克服了全连接网络的参数爆炸问题，包含卷积层、池化层等组件。经典CNN模型如LeNet-5、AlexNet、VGG-16和ResNet不断改进网络结构，其中Re

Orimmet
2026-05-17 14:47:46

 671

 11

#深度学习 #神经网络 #人工智能
深度学习笔记（一）

输入向量为神经元个数为。权重矩阵为，偏置为净输入（未激活输出）为激活输出为为激活函数，如 Sigmoid 或 ReLU）神经元个数为。权重矩阵为，偏置为净输入为预测输出为为输出层激活函数）拿到所有梯度后，我们就可以使用梯度下降法（设学习率为层级权重更新公式偏置更新公式输出层 (Layer 2)隐藏层 (Layer 1)%24q%24%24f%24%24l%24%24g%24%24j%24%24k%

jgrwzjnz
2026-05-17 12:11:36

 538

 10

#神经网络 #深度学习 #cnn
神经网络与深度学习上课记录（一）

网络核心贡献关键技术BP网络多层感知机训练梯度下降、误差反向传播LeNet-5CNN雏形卷积+池化+全连接AlexNet深度CNN复兴ReLU、Dropout、数据增强VGG小卷积核堆叠3×3卷积、深层结构ResNet极深网络训练残差连接、恒等映射。

H.762
2026-05-17 14:42:55

 429

 3

#python #机器学习 #深度学习 +1
神经网络与深度学习课程第一周课程总结

人工智能的三大方法论仿生角度：神经网络、深度学习符号学角度：机器学习（统计、逻辑、搜索）行为学角度：控制论、强化学习深度学习是AI第三次崛起的核心技术，其发展得益于：大规模数据（非结构化数据）计算能力提升（GPU、TPU）算法突破（如BP算法、ReLU、Dropout等）深度学习通过分层特征提取，解决了传统机器学习中“特征工程”的瓶颈。从线性模型到感知机、BP网络、CNN，模型能力逐步提升。残差网

 2301_80221427
2026-05-17 12:23:34

 260

 8

#深度学习 #神经网络 #人工智能
基于YOLO26的行人识别系统1：行人识别检测数据集说明(含下载链接)

基于YOLO26的行人识别系统1：行人识别检测数据集说明(含下载链接)

时光碎了天
2026-05-17 21:05:23

 275

 3

#深度学习 #神经网络 #人工智能
【深度学习课程总结】第2周

✅优点：只要给定输入输出数据，网络可以通过反向传播自己学到规律。理论上可以逼近任意非线性函数，极大地扩展了模型的应用范围。❌缺点：梯度下降法容易陷入局部最优解，而不是全局最优解。需要大量的迭代运算。学习速率 α\alphaα 选大了容易震荡，选小了收敛极慢。隐层到底设几层？每层多少个节点？目前很多时候仍然依赖“炼丹”（经验和试错）。注：本文为课程学习记录。

m0_62237322
2026-05-17 17:31:08

 248

 10

#深度学习 #神经网络 #人工智能
行人识别检测和识别3：基于深度学习YOLO26神经网络实现行人识别检测和识别(含训练代码、数据集和GUI交互界面）

行人识别检测和识别3：基于深度学习YOLO26神经网络实现行人识别检测和识别(含训练代码、数据集和GUI交互界面）

时光碎了天
2026-05-17 21:03:53

 202

 6

#深度学习 #神经网络 #交互
神经网络与深度学习课程作业1

本周课程主要学习了两部分内容：第一部分是，重点包括多层感知机、XOR线性不可分问题、BP算法的正向传播与反向传播过程，以及BP算法的优缺点；第二部分是，重点包括为什么需要深度学习、PyTorch基本概念、卷积与池化操作、CNN中的误差反向传播、LeNet-5结构，以及AlexNet、VGG-16、ResNet等典型卷积神经网络。

Heaven_door_
2026-05-17 23:05:46

 328

 3

#深度学习 #神经网络 #人工智能
神经网络与深度学习笔记1

这也是后续神经网络训练的基础思想。无论模型多复杂，本质上都离不开“输入—模型—输出—损失—参数更新”这一流程。

ぷ清暝月华
2026-05-17 19:45:31

 479

 13

#深度学习 #神经网络
神经网络与深度学习第二周学习笔记（1/4）

优点：具有完全自主的学习能力，并且在理论上能够一致逼近任意非线性函数。缺点：算法属于局部极小而非全局收敛；收敛速度相对较慢；超参数学习速率 $\alpha$ 的选择往往依赖经验；此外，神经网络的结构设计（如具体设计几层、隐层包含多少个节点等）依然缺乏统一的理论指导。本周的学习完整走过了从传统“全连接前馈网络”向现代“深度卷积网络”演进的历史轨迹。

m0_62132147
2026-05-17 23:28:48

 543

 6

#深度学习 #神经网络 #学习
行人识别检测和识别2：基于深度学习YOLO26神经网络实现行人识别检测和识别(含训练代码和数据集)

行人识别检测和识别2：基于深度学习YOLO26神经网络实现行人识别检测和识别(含训练代码和数据集)

时光碎了天
2026-05-17 21:04:31

 62

 1

#深度学习 #神经网络 #人工智能
神经网络与深度学习课程总结一

本文总结了神经网络与深度学习课程中BP网络和CNN的核心内容。BP网络通过引入隐含层解决了线性不可分问题，采用误差反向传播算法进行权值调整，具有强大的非线性逼近能力，但也存在局部极小值、收敛慢等问题。CNN通过局部连接和权值共享有效处理图像数据，包含卷积层和池化层交替结构，LeNet-5作为经典网络展现了CNN的基本架构特征。文章详细推导了BP算法的数学过程，并分析了两种网络的优缺点及应用场景，为

 white_vegetables
2026-05-18 01:13:05

 557

 10

#神经网络
神经网络与深度学习课程总结笔记

神经网络课程学习记录

 大寒灭寒
2026-05-18 01:05:45

 561

 13

#深度学习 #神经网络
基于卷积神经网络的宠物识别系统

本文探讨了基于卷积神经网络的宠物识别系统的研究与应用。首先分析了选题背景，指出传统宠物识别方法效率低、准确率不足的问题，而CNN技术能有效提升识别精度。研究意义体现在社会价值（宠物管理、流浪动物救助）、行业应用（医疗美容等）和技术创新方面。通过文献综述展示了CNN在图像识别领域的成熟应用，论证了该系统的技术可行性。系统采用B/S架构，整合Vue.js、Django和MySQL等技术，具备宠物分类、

zhongtailian
2026-05-18 08:26:46

 407

 12

#宠物 #人工智能 #神经网络
深度学习优化实战：手机价格预测模型训练与评估

本文介绍了一个基于PyTorch的手机价格预测模型实现过程。主要包括数据预处理、模型构建、训练和评估四个步骤。首先使用pandas读取CSV数据并进行标准化处理，然后构建数据加载器分批处理数据。模型采用4层全连接神经网络结构，使用交叉熵损失函数和Adam优化器。通过调整学习率、批次大小和训练轮次等超参数优化模型性能。最后在测试集上评估模型准确率。代码实现了完整的机器学习流程，包含数据标准化、网络深

 weixin_46829381
2026-05-18 09:12:18

 32

#深度学习 #神经网络
IEEE出版｜2026年计算机感知与神经网络国际学术会议（CPNN 2026）

本会议将汇聚来自世界各地的学者和研究人员，共同探讨计算机感知与神经网络在智能化、自动化、数据分析等方面的最新研究成果与技术进展。2026年计算机感知与神经网络国际学术会议（CPNN 2026）将于2026年8月28日至30日在中国深圳隆重召开。通过这一平台，与会者将有机会分享彼此的研究经验，深入探讨前沿理论与技术，促进跨学科的合作，推动该领域的创新发展。3.论文根据模板排版不得少于4页，会议论文模

 学术小白人
2026-05-18 09:54:29

 369

 6

#神经网络 #人工智能 #深度学习 +2
深度学习PINN专题学习

 mning6
2026-05-18 11:11:02

 29

#深度学习 #人工智能 #python +1
计算机 AI 方向 SCI 推荐｜AI / 计算机 SCI 清单：3本 2区 + 1本 3区保底，无预警、对国人极度友好，易中稿，录用率拉满好投稿，硕博 / 青年教师首选，AI 科研人必藏！

【CSDN科研投稿指南】推荐两本计算机科学领域优质期刊：①《AppliedSoftComputing》（IF=6.6）适合追求学术影响力的研究者，审稿周期较长需提前规划；②《Neurocomputing》（IF=6.5）录用率高达80%，适合快速发表需求。特别提醒：所有推荐期刊自引率均在安全范围（4.3%-15.9%），无预警风险。建议根据研究方向（理论/应用）选择期刊，理论创新优先《Neural

艾思科蓝 AiScholar
2026-05-18 16:04:18

 376

 12

#人工智能 #图像处理 #深度学习 +4
美语式手语单字母检测和识别2：基于YOLOv11美语式手语单字母识别系统(含训练代码和数据集)

美语式手语单字母检测和识别2：基于YOLOv11美语式手语单字母识别系统(含训练代码和数据集)

时光碎了天
2026-05-18 19:37:23

 308

 5

#深度学习 #神经网络
美语式手语单字母检测和识别3：基于YOLOv11美语式手语单字母识别系统(含训练代码、数据集和GUI交互界面)

美语式手语单字母检测和识别3：基于YOLOv11美语式手语单字母识别系统(含训练代码、数据集和GUI交互界面)

时光碎了天
2026-05-18 19:35:36

 902

 21

#深度学习 #神经网络
DL：前馈神经网络的基本原理与 PyTorch 实现

本文将把这一思想放入更完整的前馈神经网络框架中，重点讨论神经网络如何完成前向传播、如何计算损失、如何通过反向传播更新参数，以及如何用 PyTorch 实现一个完整训练流程。它的核心特点是：信息只沿一个方向逐层传播，从输入层进入，经过一个或多个隐藏层，最后到达输出层，网络中没有循环反馈连接。在神经网络中，后一层的输入依赖前一层的输出，最终损失又依赖最后一层输出。因为 PyTorch 中梯度默认会累积

 MediaTea
2026-05-19 00:00:57

 607

 9

#神经网络 #pytorch #人工智能 +2
MATLAB实现基于Transformer编码器（Transformer）进行光伏功率预测的详细项目实例（含完整的程序，GUI设计和代码详解）专栏近期有大量优惠还请多多点一下关注加油谢谢你

更多详细内容请访问http://能源预测MATLAB实现基于Transformer编码器（Transformer）进行光伏功率预测的详细项目实例（含完整的程序，GUI设计和代码详解）资源-CSDN下载 https://download.csdn.net/download/xiaoxingkongyuxi/92687474更多详细内容请访问http://能源预测MATLAB实现基于Transfo

xiaoxingkongyuxi
2026-05-19 04:57:12

 409

 10

#matlab #transformer #开发语言 +4
别再死记BN公式了！用PyTorch和TensorFlow 2.x实战理解批归一化的‘训练/测试’双模式

本文深入解析批归一化（BN）在PyTorch和TensorFlow 2.x中的双模式实现，帮助开发者理解训练与测试模式下的行为差异。通过实战代码示例和框架对比，揭示BN层在神经网络中的关键作用，避免常见的推理偏移问题，提升模型部署效果。

WEYSUV
2026-05-19 10:44:43

 333

 6

#神经网络