深度学习

设备预测性维护模型构建详解与实例：中讯烛龙如何用“数据+算法”破解故障预测难题在工业设备预测性维护（PdM）体系中，模型是“决策大脑”——它通过对设备数据的深度解析，预判故障发生时间与类型，直接决定预警的准确性与维护的有效性。然而，72%的PdM模型存在“实验室准、现场差”“误报率高、泛化性弱”等问题，根源在于模型构建脱离了工业场景的真实需求。本文将从模型构建全流程详解与真实工业实例出发，结合中讯烛龙预测性维护系统的技术实践，为企业提供“从数据到决策”的模型构建范式。

【论文研读】Deep learning improves prediction of drug–drug anddrug–food interactionsDeep learning improves prediction of drug–drug anddrug–food interactionshttps://www.pnas.org/doi/epdf/10.1073/pnas.1803294115

【深度学习 | 第三篇】-卷积神经网络卷积神经网络是包含卷积层的神经网络。卷积层能够自动学习图像中的局部特征，如边缘、纹理、形状等，并逐层抽象为高级语义特征。

光电的一只菜鸡

《PyTorch深度学习建模与应用（参考用书）》（三）——深度神经网络深度学习是当下热门的机器学习研究方向，它是使用深层架构的机器学习的方法，已经广泛应用于人工智能所涉及的众多领域，例语音识别、计算机视觉、自然语言、在线广告等，作为深度学习框架的PyTorch可以在该领域中大展宏图。

AI医影跨模态组学

Ann Oncol（IF=65.4）广东省人民医院放射科刘再毅等团队：基于深度学习CT分类器与病理标志物增强II期结直肠癌风险分层以优化辅助治疗决策01文献学习今天分享的文献是由广东省人民医院放射科刘再毅等团队联合南方医科大学、山西省肿瘤医院、中国医科大学第一医院、广西医科大学肿瘤医院、重庆医科大学第一附属医院等团队于2025年7月在肿瘤学领域顶级期刊《Annals of Oncology》（中科院1区top，IF=65.4）上发表的研究”Enhanced risk stratification for stage II colorectal cancer using deep learning-based CT classifier and pat

认知神经科学研究报告【20260008】A biological neuron is the fundamental information‑processing unit of the nervous system. It receives, integrates, and transmits electrical and chemical signals, enabling everything from simple reflexes to complex thoughts.

弘弘弘弘～

项目实战之评论情感分析模型——基于Bert（含任务头）目录一、项目流程1.1 加载预训练模型Bert1.2 数据预处理1.3 模型定义1.4 模型训练1.5 模型预测

小超同学你好

Transformer 23. Qwen 3.5 架构介绍：混合线性/全注意力、MoE 与相对 Qwen 1 / 2 / 3 的演进摘要：本文说明 Qwen3.5 开放权重系列的文本骨干（公开权重多为图文统一的 ForConditionalGeneration，含 Vision Encoder；数学与实现细节以 text_config 为主）。相对 Qwen3 及更早代际，Qwen3.5 的硬变化是高效混合架构：在堆叠的 Decoder 层中交替使用「线性注意力类子层（配置名 linear_attention）」与「标准因果全注意力子层（full_attention）」，典型节奏为每 4 层中 3 层线性、1 层全注意力（f

计算机毕业设计：Python出行数据智能分析与预测平台 Django框架可视化数据分析 PyEcharts 交通深度学习（建议收藏）✅博主介绍：✌全网粉丝10W+,前互联网大厂软件研发、集结硕博英豪成立工作室。专注于计算机相关专业项目实战6年之久，选择我们就是选择放心、选择安心毕业✌ > 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

深度学习的计算环境目录1.深度学习的计算环境1.1.深度学习依赖GPU的原因1.2.深度学习环境的安装2.算力租用平台3.VSCode连接SSH Server的开发模式

第 4 章视觉感知与场景理解卷积神经网络（Convolutional Neural Networks, CNN）的复兴始于 AlexNet 在 ImageNet 竞赛中的突破性表现。Krizhevsky 等人提出的八层架构引入了 ReLU 非线性激活函数 $f(x)=\max(0,x)$ 替代传统的 Sigmoid 或 Tanh，有效缓解了深层网络的梯度消失问题。局部响应归一化（Local Response Normalization, LRN）层通过侧抑制机制增强泛化能力：

郝学胜-神的一滴

PyTorch自动微分核心解析：从原理到实战实现权重更新在深度学习的参数优化环节，自动微分是不可或缺的核心技术，PyTorch内置的自动微分模块更是将复杂的求导与反向传播过程高度封装，让开发者无需手动计算繁琐的导数，就能高效实现权重参数的迭代更新。本文将从PyTorch求导的底层规则出发，拆解自动微分的核心原理，再通过实战案例一步步实现权重的梯度更新，让零基础的小伙伴也能轻松掌握这一关键技能✨。

【Coze-AI智能体平台】Coze OpenAPI 开发手册：鉴权、接口调用与 SDK 实践🔥小龙报：个人主页 🎬作者简介：C++研发，嵌入式，机器人方向学习者 ❄️个人专栏：《coze智能体开发平台》 ✨ 永远相信美好的事情即将发生

rl库 AttributeError: ‘bool‘ object has no attribute ‘items‘ 的解决方案啊，没错，你又会遇到新的报错！还是版本问题，旧版本用info，新版本用terminated和truncated。我们要去修改core.py

AI医影跨模态组学

Adv Sci 复旦大学附属中山医院宋志坚&复旦大学上海肿瘤医院黄丹等团队：基于基础模型的多模态深度学习用于结直肠癌不完整模态的预后预测01文献学习今天分享的文献是由复旦大学附属中山医院宋志坚、复旦大学上海肿瘤医院黄丹等团队于2026年1月20日在《Advanced Science》（中科院1区top，IF=14.1）上发表的研究“Foundation Model-Enabled Multimodal Deep Learning for Prognostic Prediction in Colorectal Cancer with Incomplete Modalities: A Multi-Institutional Retrospec

重生之我要成为代码大佬

神经网络基础深度学习框架：Tensorflow, Keras, PyTorch, Paddle（百度的，飞桨aistudio可以使用）

大模型是怎么被训练出来的？很多人一提到大模型，第一反应是：它为什么会聊天、会写文章、会翻译、会总结，甚至还能做题？看起来它像“懂了很多东西”，但如果把问题说得足够直白，大模型训练时做的事其实没有那么神秘：

【Python深度学习】1.1. 多层感知器MLP(人工神经网络)介绍喜欢的话别忘了点赞、收藏加关注哦(关注即可查看全文)，对接下来的教程有兴趣的可以关注专栏。谢谢喵！(=･ω･=)

AI和大模型——神经网络AI现在非常火爆，但是AI的底层是如何实现的？它们如何进行工作的？这个可能对很多人来说，没有什么意义。会用就好了。但对于想进行AI方面开发应用的，还是要明白其中的一些基本的动作原理和相关概念以及技术发展。网上和专业的书籍上都有各种丰富的说明和分析，甚至还有动画和数学推导。但对于很多只是想了快速了解的开发者来说，可能那只是后话。所以本文先迅速的通过直白的描述让大多人可以迅速的了解现在AI底层的框架——神经网络。

【TVM教程】理解 Relax 抽象层TVM 现已更新到 0.21.0 版本，TVM 中文文档已经和新版本对齐。Apache TVM 是一个深度的深度学习编译框架，适用于 CPU、GPU 和各种机器学习加速芯片。