神经网络

09a-斯坦福 CS336 作业一：BPE 分词器本文档基于斯坦福大学 CS336（从零实现大语言模型）课程作业一，从零实现字节级 BPE（Byte Pair Encoding）分词器，涵盖算法原理、训练流程、编码解码实现及完整可运行的代码示例 🛠️

机器学习之心

大跨度拱桥施工智能优化：基于改进RBF神经网络与多目标算法的工程实践最近在做一项大跨度RC拱桥施工期扣塔关键参数优化的研究，涉及神经网络改进、多目标优化算法、有限元仿真等多个技术领域。这篇文章分享一下技术思路！

EXCEL实现MLP实例本文档详细分析计算示例.xlsx 中展示的多层感知器(MLP)前向传播与反向传播计算过程。输入数据:

段一凡-华北理工大学

2026 高炉炼铁智能化技术全景与演进路径~系列文章04：云-边-端协同架构：高炉智能化底层支撑体系导言：智能化系统的"智商"再高，也需要"强健的体魄"来支撑。本期我们将深入探讨高炉智能化系统的底层架构——如何通过"云-边-端"三层协同，实现海量工业数据的实时处理与智能推理，并确保系统的可靠性、实时性与可扩展性。

DL：循环神经网络的基本原理与 PyTorch 实现循环神经网络（Recurrent Neural Network，RNN）是深度学习中专门用于处理序列数据的一类神经网络。与前馈神经网络不同，RNN 不只是把输入从前向后逐层传递，而是在处理序列时引入“隐藏状态”，让模型能够把前面时间步的信息传递到后面时间步。

Excel实现LSTM示例检查点：现在你的 Excel 前 19 行应该和初始数据完全一致。结果：D22:H22 应该显示 0.1 0.2 0.3 0.5 0.8

神经网络梳理神经元 neuron 的基本结构细胞体cell body 树突dendrite 轴突 axon。感知机perceptron 激活函数 activation function

Zevalin爱灰灰

智能控制第四章——人工神经网络参考课程：https://www.bilibili.com/video/BV1PE411W7QM/?spm_id_from=333.1387.favlist.content.click&vd_source=8f8a7bd7765d52551c498d7eaed8acd5

机器学习知识点：正则化今天我们来聊一个解决过拟合时经常出现的方法：正则化 Regularization.前面我们讲过，过拟合是模型在训练集上表现很好，但在测试集上表现变差。那怎么让模型不要学得太复杂、太死呢？一个常用答案就是：给模型加一点“约束”。这就是正则化的核心思想。

人生时序堆叠推演神经网络（LTSI-Net）——基于个人全维度生活时序数据的未来轨迹预测模型-----------------------作者：杨连江（电子产品自研工作室）摘要针对传统人工智能模型仅能完成图像识别、文本生成、单项时序预测等窄域任务，无法对人类个体长期行为轨迹、人生发展趋势、未来状态演变进行系统性建模的问题，本文提出一种全新的人生时序堆叠推演神经网络（Life-Time Stack Inference Network, LTSI-Net）。本模型以人类每日生活全维度量化数据为输入，构建多层堆叠式神经网络结构，逐层萃取单日微观特征、周期中观规律、长期宏观趋势。通过时序特征叠加、行为

PYTHON+AI LLM DAY FIFITY-FOUR今天细致聊下循环神经网络(RNN):之前也提到过RNN是用来处理序列数据及一些相关的应用场景.现在来聊聊其API和一些其他的东西.torch.nn.RNN(input_size,hidden_size,num_layers)参数分别表示输入的特征维度,输出特征维度,隐藏层数.输入的Xt=(seq_len,batch_size,input_size).参数分别表示样本的token数,批次,指定词向量的维度.实际情况Xt是一个张量,形状根据你自己拿到的数据.需要注意:通常情况拿到的数据是:批次,token数.

池化对比：CNN池化 VS Java线程池

陈天伟教授

图解人工智能（34）深度学习面临的挑战对抗样本的存在说明人与机器看世界的方式可能是有差异的。讨论一下，为什么说这种差异有可能带来巨大的未知风险？

Welford算法 | 从单一到批次在之前的一篇文章 https://blog.csdn.net/P_LarT/article/details/156197657 中，我介绍了welford算法在处理单一样本的情况。这篇文章里则是从单一数据扩展到批次数据的情形。为了清晰和完整，这里重新进行了相关公式的推导。

CNN 卷积神经网络卷积计算本质上是卷积核和输入数据的局部区域间做点积；计算规则：从左到右，从上到下；通过上面的卷积计算过程，最终的特征图比原始图像小很多，如果想要保持经过卷积后的图像大小不变, 可以在原图周围添加 padding 来实现.； Padding =1：上下左右各填1个像素；

xclabel是一款开源图像标注与模型训练工具，采用Python+Flask开发，跨平台支持Windows/Linux/Macxclabel是一款开源图像标注与模型训练工具，采用Python+Flask开发，跨平台支持Windows/Linux/Mac。

山屿落星辰

ops-nn - 神经网络算子性能秘籍第一次跑 ResNet-50 推理，最让我困惑的是同样的模型，为什么在昇腾NPU上比在 GPU 上慢 30%？

Product Hunt 每日热榜 | 2026-05-22标语：完全通过人工智能代理运营个人公司介绍：Tycoon.us 让你通过人工智能代理来管理整家公司。这里的中心是 Astra，一个AI首席执行官，你还可以选择超过10个现成的AI代理，比如负责市场的CMO和负责编程的CTO。Astra 还可以管理 Claude Code 和 Hermes。当你给 Astra设定一个关键绩效指标或项目，比如“本月流量提升十倍”或者“推出用户引导流程”时，她会制定计划，分配任务，跟踪进展，并在需要时请求审批。每个代理都是即插即用的，无需复杂的设置、编码或API密钥。

搞科研的小刘选手

【人工智能专题研讨会】第五届人工智能与智能信息处理国际学术会议（AIIIP 2026）第五届人工智能与智能信息处理国际学术会议（AIIIP 2026）2026 5th International Conference on Artificial Intelligence and Intelligent Information Processing

DL：卷积神经网络的基本原理与 PyTorch 实现卷积神经网络（Convolutional Neural Network，CNN）是深度学习中最重要的模型结构之一，尤其适合处理图像、视频等具有空间结构的数据。与普通多层感知机（MLP）直接把输入展开为一维向量不同，卷积神经网络会尽量保留图像中的局部邻域关系，通过卷积核在图像上滑动，自动学习边缘、纹理、形状等层级特征。