深度学习

即插即用系列 | ECCV 2024 WTConv：利用小波变换实现超大感受野的卷积神经网络论文标题：Wavelet Convolutions for Large Receptive Fields

哥布林学者

吴恩达深度学习课程四：计算机视觉第三周：检测算法（一）目标定位与特征点检测此分类用于记录吴恩达深度学习课程的学习笔记。课程相关信息链接如下：本篇为第四课的第三周内容，3.1到3.2的内容。

DAY 40# DAY 40 简单 CNN知识回顾:1. 数据增强2. 卷积神经网络定义的写法3. batch 归一化：调整一个批次的分布，常用与图像数据

阈值分割图像二值化，顾名思义，就是将某张图像的像素改成只有两个值，其操作的图像也必须是灰度图。2. 自适应局部阈值分割

git学习仓库就是一个目录（文件夹），这个目录里面的所有文件都可以被git管理起来，共三种工作区域共四种文件状态

能源系统预测和优化研究

创新点解读：基于非线性二次分解的Ridge-RF-XGBoost时间序列预测（附代码实现）本项目提出了一种基于非线性二次分解的Ridge-RF-XGBoost时间序列预测模型，该模型通过将原始时间序列系统性地分解为三个组成部分：线性趋势项、第一阶非线性残差项和第二阶非线性残差项。首先，利用岭回归（Ridge Regression）对原始序列进行初步拟合，提取出其主要的线性结构；随后，将Ridge预测结果与真实值之间的残差作为第一阶非线性部分，采用随机森林（Random Forest, RF）对其进行建模；进一步地，将RF预测后的残差再次提取，作为更具复杂性和噪声特征的第二阶非线性部分，交由极端

لا معنى له

目标分割介绍及最新模型----学习笔记目标分割的目标是将感兴趣的目标区域从图像背景中分离出来，并得到目标在像素级别的精确轮廓。目标分割有两种类型，一种是语义分割，一种是实例分割。

万里鹏程转瞬至

论文简读：Qwen2.5-VL Technical Reportdemo：https://chat.qwenlm.ai 模型：https://huggingface.co/Qwen 或 https://modelscope.cn/organization/qwen github：https://github.com/QwenLM/Qwen2.5-VL 开源时间：2025年3月5日

Coding茶水间

基于深度学习的水下海洋生物检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)基于深度学习的水下海洋生物检测系统演示大家好，欢迎来到 Coding 茶水间。今天要分享的是一个基于 YOLO 算法的水下海洋生物识别系统，它能帮我们快速判断画面中出现的海洋生物种类。

【论文速递】2025年第40周(Sep-28-Oct-04)(Robotics/Embodied AI/LLM)中文使用 googletrans 翻译，翻译不对的地方以英文为准标题: The Dragon Hatchling: The Missing Link between the Transformer and Models of the Brain

深度学习周报（12.15~12.21）目录摘要Abstract1 Kantorovich 对偶1.1 对偶问题1.2 对偶定理1.2.1 弱对偶

Seq2Seq：Encoder-Decoder架构详解Seq2Seq（序列到序列模型）是一种处理可变长度序列映射的深度学习架构，由Google团队于2014年提出，主要解决传统RNN无法处理"输入输出长度不同"的问题。

Day44 训练和测试的规范写法简单说就是把 “训练模型” 和 “测试模型” 的代码，分别写成两个独立的函数（比如叫train()和test()）。

【论文速递】2025年第38周(Sep-14-20)(Robotics/Embodied AI/LLM)中文使用 googletrans 翻译，翻译不对的地方以英文为准The field of 4D world modeling - aiming to jointly capture spatial geometry and temporal dynamics - has witnessed remarkable progress in recent years, driven by advances in large-scale generative models and multimodal learn

视觉&物联智能

【杂谈】-人工智能：助力护士回归人文关怀，而非取而代之人工智能的引入，不仅深刻改变了患者的就医体验，也重塑了人们对新一代护士的期望。如今，护士们无需再像过去那样，频繁地在患者床边和电脑之间来回奔波，以完成繁琐的记录工作。取而代之的是，他们拥有了贴心的人工智能助手，能够高效处理诸如患者护理记录以及工作流程简化等一系列任务。具体而言，人工智能可以将医生的就诊记录转化为完整详实的患者报告，为患者出院时精心撰写指导建议和总结内容，能够在患者病情出现哪怕极其细微的变化时，及时提醒护士关注，还能仔细检查药物是否存在过敏或重复用药等潜在风险，从而有效避免医疗差错的发生。

万里鹏程转瞬至

论文简读：Qwen3-VL Technical Report | Qwen3VL技术报告demo: https://chat.qwen.ai 模型： https://huggingface.co/Qwen 或 https://modelscope.cn/organization/qwen github： https://github.com/QwenLM/Qwen3-VL 论文地址：https://arxiv.org/pdf/2511.21631

会挠头但不秃

深度学习常用工具和库介绍即使对于有一定基础的人来说，如果之前没有接触过python，学习深度学习的时候，对一些工具和依赖库依然会感到陌生，我自己就是学Java的，最近在学习深度学习，对 python接触不多，因此对其中一些工具并不熟悉，所以整理了一些常用的介绍一下，当然后续可能还会增加

【EI检索会议】第二届国际人工智能创新研讨会（IS-AII 2026）会议主办：三亚市网络安全和信息化协会、海南师范大学会议协办：三亚学院、厦门工学院、三亚市知识产权协会会议地点：海南三亚会议时间：2026.1.9-11 会议检索：提交EI数据库会议官邮：isaiipaper@126.com 会议官网：https://www.is-aii.org/

红宝村村长

【学习笔记】全解深度学习每个编码器中的自注意力层周围都有一个残差连接，然后是层归一化步骤。归一化的输出再通过前馈网络(FeedForward Network,FFN)进行映射,以进行进一步处理。前馈网络本质上就是几层神经网络层,其中间采用ReLU激活函数,两层之间采用残差连接。

鲨莎分不晴

从 0 实现一个 Offline RL 算法 (以 IQL 为例)摘要：纸上得来终觉浅，绝知此事要躬行。看懂了论文公式，不代表能写对代码。在 Offline RL 中，数据处理的细节、网络初始化的技巧以及Loss 的计算顺序，往往比算法原理本身更能决定成败。本文将带你从零构建一个完整的 IQL 训练流程，涵盖 D4RL 数据加载、归一化处理、核心 Loss 实现以及工业级的训练 Trick。