神经网络

深度学习【一】神经网络人脑中有很多相互连接的神经元，当大脑处理信息时，这些神经元之间通过电信号和化学物质相互作用，在大脑的不同区域之间传递信息。神经网络使用人工神经元模仿这种生物现象，这些人工神经元由称为节点的软件模块构成，使用数值计算来进行通信和传递信息。

Product Hunt 每日热榜 | 2026-01-23标语：几秒钟内将数据转化为专业的图表，获取深刻见解。介绍：来自Ada.im团队的ChartGen AI是一款智能图表生成器，它可以将原始数据转化为节省成本的洞察。这个工具特别帮助在线营销人员将来自不同平台的数据（从Facebook到TikTok）整合在一起，快速生成可视化图表。告别猜测：清楚地查看你的预算去向，让你不再浪费金钱。无论是优化广告支出还是分析商业趋势，使用ChartGen AI只需几秒钟就能将数据转化为实用的图形。

【论文精读（二十三）】PointMamba：点云界的“凌波微步”，线性复杂度终结 Transformer 霸权（NeurIPS 2024）博主导读：在点云分析的武林中，Transformer 家族（如 Point-MAE, PointGPT）凭借着强大的“全局注意力”心法，坐稳了 SOTA 的盟主宝座。但它们有一个致命的软肋：太重了！自注意力机制 O ( N 2 ) O(N^2) O(N2) 的复杂度，就像是一个体重 300 斤的大力士，虽然力大无穷，但遇到大规模场景（N 变大）时，显存直接爆炸，速度慢如蜗牛。这时候，隔壁 NLP 领域杀出了一匹黑马——Mamba。它号称拥有 Transformer 的全局视野，却只有 RNN

YOLO深度学习(计算机视觉)一很有用！！(进一步加快训练速度的操作)前提：所有操作基于联想电脑的Windows系统，其他电脑或linux等系统可以简单看一下，借鉴一下我的类似操作

深度卷积生成对抗网络（DCGAN）DCGAN（Deep Convolutional Generative Adversarial Networks）是 2015 年由 Alec Radford 等人提出的基于卷积神经网络的生成对抗网络变体，核心创新是用卷积层替代了传统 GAN 中的全连接层，并设计了一套标准化的网络架构和训练准则，大幅提升了 GAN 在图像生成任务中的稳定性和生成质量，成为图像生成领域的基础模型。

翱翔的苍鹰

通俗讲解在中文 NLP中要用 jieba 分词，以及它和循环神经网络（RNN）的关系。我们来通俗讲解为什么在中文 NLP（自然语言处理）中要用 jieba 分词，以及它和循环神经网络（RNN）的关系。 🌟 一、为什么中文需要分词？——“字” vs “词” ❓ 英文 vs 中文英文：天然有空格 "I love AI" → 直接分成 ["I", "love", "AI"] 中文：没有空格！ "我爱人工智能" → 到底是： ["我", "爱", "人工", "智能"]？还是 ["我", "爱", "人工智能"]？还是 ["我爱", "人工", "智能"]？ 💡 分词就是把连续的

PyTorch实战：手机价格区间预测（从64%到91%的模型优化之路）摘要：想知道如何让你的神经网络模型性能从“还行”飙升到“优秀”吗？本文以一个经典的“手机价格区间预测”案例为切入点，采用模块化的代码讲解方式，带你从零构建一个基础的 PyTorch 分类网络，并一步步实施数据标准化、网络加深、优化器更换等关键优化策略，亲眼见证模型准确率从 64% 提升至 91% 的全过程。

3Blue1Brown-深度学习之神经网络本文是在看了 3Blue1Brown-深度学习之神经网络视频后的学习笔记。3B1B的“深度学习”系列视频用可视化动画和深入浅出的讲解让我们看清神经网络的本质。

Quintus五等升

深度学习④|分类任务—VGG13上一篇博客，我简单介绍了AlexNet网络的简单实现，其开启了深度学习的狂潮。https://blog.csdn.net/Wu_Deng_Sheng/article/details/157254935

机器学习之心

LSTM-BP组合模型多输入单输出回归预测三模型对比，对比LSTM、BP神经网络，权重优化，MATLAB代码该模型针对时间序列回归预测问题，通过融合LSTM（长短期记忆网络）与 BP（反向传播神经网络）的优势，构建加权组合预测模型。研究背景包括：

论文精读第七期：告别昂贵的人工标注！Math-Shepherd：如何用“零成本”自动化过程监督，让大模型数学能力暴涨？大模型做数学题总是“一步错，步步错”？大家都知道“过程奖励模型（PRM）”效果好，但动辄几十万条的人工标注数据实在太贵了。今天这篇博客将带你深度拆解北大与 DeepSeek 联合推出的 Math-Shepherd。它不仅提出了一种无需人类介入、基于蒙特卡洛思想的自动化数据构造方法，更在 GSM8K 和 MATH 榜单上全面碾压了传统方法。这不仅是数学推理的胜利，更是数据工程的一次教科书级示范。无论你是想复现 SOTA 效果，还是想寻找低成本提升模型逻辑能力的方案，这篇文章都不容错过。

梦想是成为算法高手

带你从入门到精通——知识图谱（一. 知识图谱入门）一. 知识图谱入门1.1 知识图谱概述1.2 分层架构1.2.1 数据层1.2.2 模式层1.3 技术架构

陈天伟教授

人工智能应用-机器视觉：AI 鉴伪 02.虚假人脸生成对抗生成网络（GAN）是一种常用的人脸合成模型。GAN 包含两个核心模块：生成器（Generator）和判别器（Discriminator）。生成器的任务是从随机噪声中“创造”出一张看似真实的图片，而判别器则负责判别一张图片是真实的还是生成的。生成器和判别器之间展开了一场“智力博弈”：生成器不断提升生成图片的质量，试图骗过判别器。判别器变得越来越敏锐，努力识破生成器的“伪装”。经过这种反复对抗的过程，生成器最终学会了生成极其逼真的图片。

时序预测开源项目TimeMachine的布署教程本教程用于安装时序预测开源项目TimeMachine系统：Ubuntu 22.04 显卡：RTX 5090 CPU：Intel® Xeon® Gold 6530

Quintus五等升

深度学习③|分类任务—AlexNetAlexNet（2012），是深度学习发展历程中的一个里程碑，开启了深度学习的狂潮。同时，也是如今学习深度学习绕不开的经典模型。

AI大模型-深度学习-卷积神经网络CNN为避免一学就会、一用就废，这里做下笔记本文内容紧承前文-对卷积的理解、对神经网络的理解，欲渐进，请循序。

推导神经网络前向后向传播算法的优化迭代公式目录1. 定义符号2. 前向传播 (Forward Propagation)3. 后向传播 (Backward Propagation)

YOLO11深度学习一模型很优秀还是漏检怎么办，预测解决这一篇是很弱智的笔记，纯粹惩罚没有看官方文档的我我这几天用一个篮球数据集训练了yolo11模型并根据不断调整yaml部分的网络模型结构，添加了更大尺寸的P2目标检测层来融合篮球这种微小目标，而且也把P2、P3小目标（大尺寸）层的C3k2的repeat重复执行次数从2变到3。。。巴拉巴拉以上看不懂的去看我往期文章

永霖光电_UVLED

Enphase 开启首台基于氮化镓（GaN）微逆变器的量产英飞凌的 CoolGaN BDS 技术助力公司新款太阳能微逆变器达成 97.5%的高效转化。作为美国颇具规模的太阳能技术企业之一，Enphase Energy 于 2025 年 12 月下旬开启首批交付，现正面向美国全境发售其基于氮化镓（GaN）的商用微逆变器。

torchcodec is not available问题本文档记录了在 GR00T N1.5 项目中配置 TorchCodec 视频解码器遇到的问题及解决方案。