神经网络处理单元（NPU）是一种创新的计算硬件，专为加速神经网络计算而设计。它摒弃了传统冯诺依曼架构的限制，转而采用“数据驱动并行计算”的方式，模拟人类神经元和...

2021年，诺贝尓奖委员会决定将物理奖颁发给复杂系统研究领域、以乔治·帕里西（George Parisi）为首三位科学家。当时不仅物理学界，许多计算神经科学家或...

目前我们看到有很多使用KAN替代MLP的实验，但是目前来说对于图神经网络来说还没有类似的实验，今天我们就来使用KAN创建一个图神经网络Graph Kolmogo...

看一篇发表在NC上的使用DL来预测糖类结合位点（DeepGlycanSite）的文章。

当Transformer模型发布时，它彻底革新了机器翻译领域。虽然最初是为特定任务设计的，但这种革命性的架构显示出它可以轻松适应不同的任务。随后成为了Trans...

图神经网络（Graph Neural Network，GNN）是一类能够处理图结构数据的深度学习模型。与传统的神经网络不同，GNN可以直接处理图结构数据，例如社...

随着深度学习技术的快速发展，高效的计算框架和库对于模型训练至关重要。TensorFlow作为目前最流行的深度学习框架之一，其GPU版本能够显著提升模型训练的速度...

XRec巧妙地融合了图神经网络(GNNs)技术，以强大的表征学习能力弥补了自然语言在捕捉用户-商品协作关系方面的不足。

本文作者是天津大学智能与计算学部张鹏教授及其硕士生赵佳铭，博士生乔文博、高珲。该项研究工作受到国家自然科学基金委、天津大学 - 中科闻歌联合实验室资助。

https://hdl.handle.net/11245.1/c14b7d6a-136c-4e15-af82-d3ad7330add2

自2006年深度学习概念被提出以来，20年快过去了，深度学习作为人工智能领域的一场革命，已经催生了许多具有影响力的算法或模型。那么，你所认为深度学习的最牛的模型...

计算图是用图论语言表示数学函数的一种方式，也是深度学习框架表达神经网络模型的统一方法。我们将根据下面的计算图构造计算函数和神经网络。

在众多机器学习模型中，我们如何在各种实际情况下做出恰当的选择呢？本文我从如下几个方面系统地分析下~ 有帮助的话点个赞哦。

神经网络模型是由神经网络层和Tensor操作构成的，mindspore.nn提供了常见神经网络层的实现。在MindSpore中，使用Cell类构建所有网络，它是...

前馈神经网络是最基本的神经网络结构，由输入层、隐藏层和输出层组成。常见的前馈神经网络包括：

近年来，Transformer模型在神经网络领域中引起了广泛关注，尤其在自然语言处理（NLP）领域表现出色。本文将详细介绍Transformer在神经网络中的位...

MindSpore提供了数据预处理的功能，可以通过不同种类的数据变换（Transforms）来对原始数据进行处理，然后使用数据处理Pipeline来实现数据预处...

这些案例展示了图神经网络在不同领域中的广泛应用和巨大潜力。通过结合领域知识和先进的图神经网络技术，可以进一步推动各领域的研究和应用进展。

Neural networks for abstraction and reasoning:Towards broad generalization in ma...

PyTorch 是torch的python版本，是由Facebook开源的神经网络框架，专门针对GPU加速的深度神经网络（DNN）编程。Torch是一个经典的对...