近年来，卷积神经网络（CNNs）在多种计算机视觉应用中取得了显著的进步，如图像识别[11, 34]，目标检测[28, 29]，和图像分割[23, 43]。尽管它...

神经网络是一类仿生算法，通过连接不同的节点（即神经元），实现信息的传递和处理。每个神经元都能接收多个输入信号，经过加权求和后通过激活函数产生输出。神经网络最早于...

人工智能（AI）是一个涵盖广泛领域的技术词汇，近年来受到了越来越多的关注和应用。然而，对于刚接触AI的初学者或非专业人士来说，理解其中的核心概念，特别是深度学习...

近年来，生成模型（Generative Models）在分子科学，特别是药物发现中，发挥着越来越重要的作用。从头药物设计（De Novo Drug Design...

对于小白来说，想快速入门的话，《深度学习的数学》深度学习入门最好的书籍，没有之一。浅显易懂，书中有大量插图。

有公式 \mathbf{y} = \mathbf{x}W ，其中 \mathbf{x} 是 D * M 矩阵，W 是 M * N 权重矩阵；另有损失函数 L 是...

多层神经网络的学习能力比单层网络强得多。想要训练多层网络，需要更强大的学习算法。误差反向传播算法（Back Propagation）是其中最杰出的代表，它是目前...

图神经网络（Graph Neural Networks, GNNs）作为处理图结构数据的前沿工具，已在多个领域中展现出卓越的性能。本文将深入探讨GNN的基本原理...

我们将使用卷积神经网络（CNN）来构建威胁检测模型。CNN在处理图像数据方面表现优异，但也可以用于处理结构化数据，通过卷积层提取特征。

随着人工智能技术的飞速发展，深度学习在各个领域的应用越来越广泛。在电影制作与剪辑领域，深度学习技术也展现出了巨大的潜力。本文将介绍如何使用Python实现一个简...

[14]稳定弥散（Stable Diffusion）引起了广泛关注，并推动了其在文本到图像（T2I）生成领域的广泛应用，尤其是在SDXL [13]的训练分辨率以...

论文标题：Irregular Multivariate Time Series Forecasting: A Transformable Patching Gr...

作者将三种经典的面向时间的人工神经网络（ANNs）：时间卷积网络（Temporal Convolutional Network, TCN）、递归神经网络（Rec...

A18 Pro采用的是台积电第二代3nm制程（N3E），拥有6个CPU核心（2个性能核＋4个能效核），主频4.04GHz，4MB二级缓存，6核心GPU，16核神...

“涌现”是一种复杂系统中的现象，指的是当系统由许多简单部分相互作用时，会自发地产生出全局性的特性或行为，这些特性或行为无法直接从个体部分的性质推导出来。涌现现象...

在数字化时代，文本到语音（Text-to-Speech, TTS）技术已成为人机交互的关键桥梁，无论是为视障人士提供辅助阅读，还是为智能助手注入声音的灵魂，TT...

Keras是一个高层神经网络API，由Python编写，并且能够在TensorFlow、Microsoft Cognitive Toolkit（CNTK）以及T...

激活函数主要用来向神经网络中加入非线性因素，以解决线性模型表达能力不足的问题，它对神经网络有着极其重要的作用。我们的网络参数在更新时，使用的反向传播算法（BP）...

激活函数（Activation Function）是神经网络中非常关键的组成部分，主要用于在神经网络的节点（或称神经元）上引入非线性因素。这是因为神经网络的基本...

踏入深度学习的奇妙世界，就像开启了一场探索未知的旅程。今天，我们将携手踏上一小段轻松而充满乐趣的入门之旅——价格分类。想象一下，通过神奇的神经网络，我们能够教会...