神经网络

叫我：松哥

基于卷积神经网络的人脸情绪识别算法，引入残差连接与SE注意力模块1前言1.1.1 研究背景随着人工智能技术的飞速发展，人机交互日益成为日常生活的重要组成部分。人类情感的表达主要通过面部表情、语音语调、肢体动作等方式传递，其中面部表情是最直观、最丰富的载体。人脸情绪识别旨在使计算机能够自动识别人类的情绪状态，如高兴、悲伤、愤怒、惊讶等，从而实现更自然、更智能的交互。该技术在智能教育、心理健康监测、安全驾驶、娱乐互动等领域具有广阔的应用前景。

装不满的克莱因瓶

循环神经网络及LSTM——从序列建模到长期依赖记忆机制目录一、前言二、RNN是什么（一）基本定义（二）核心思想（三）结构特点三、RNN结构详解（一）时间展开结构

谷哥的小弟

大模型核心基础知识(18)—Transformer模型的提出背景Transformer模型是现代大模型发展过程中的重要转折点。它改变了自然语言处理领域长期依赖循环结构进行序列建模的技术路径，使模型在并行计算能力、长距离依赖建模能力和大规模预训练适配性方面取得了明显进展。正是从Transformer开始，预训练模型的能力提升进入更快的发展阶段，后续BERT、GPT等代表性模型也大多建立在这一架构基础之上。

叫我：松哥

基于神经网络的汽车与自行车的分类算法设计与实现，采用ResNet50和迁移学习，准确率达到99%1前言1.1 研究的背景和意义随着城市化进程的加速和机动车保有量的持续增长，交通拥堵、事故频发、环境污染等问题日益突出。智能交通系统（Intelligent Transportation System, ITS）作为缓解交通压力、提升道路安全的重要手段，近年来受到广泛关注。车辆分类识别是ITS的核心技术之一，它通过对道路上的车辆进行实时、准确的分类，为交通流量统计、违章行为检测、自动驾驶决策等提供关键信息。自行车作为一种绿色出行方式，在城市短途交通中占有重要地位，而汽车则是主要的机动化交通工具。实现自行车

XC7A100T-2CSG324I AMD Xilinx Artix-7 FPGAXC7A100T-2CSG324I 赛灵思 AMD Xilinx Artix-7 系列中的一款 FPGA，性能与功耗之间取得了极佳的均衡表现。它能够完美满足成本敏感型量产项目对高带宽串行连接、密集型信号处理以及复杂协议控制的严苛要求，是面向低功耗、高吞吐、成本敏感型应用，尤其适合需要串行收发器、高 DSP 运算能力和较高逻辑吞吐的系统。对很多工业控制、图像处理、通信接口和嵌入式项目来说，这类器件的核心价值，就是在性能和功耗之间取得一个比较均衡的结果。

装不满的克莱因瓶

NLP中的卷积神经网络CNN——从图像卷积到文本特征提取的跨界应用目录一、前言二、什么是NLP中的CNN（一）基本定义（二）一句话理解（三）核心思想三、CNN如何处理文本

CNN实现手写数字识别，完整可运行源码本文基于Pytorch搭建CNN，训练MNIST手写数字数据集，代码完整、注释详细，新手直接运行。MNIST：7万张手写数字图片，28*28灰度图，深度学习入门通用数据集。

湘美书院--湘美谈教育

湘美谈教育AI系列经验集锦：赋能整理聊斋志异大寓言《聊斋志异》凡五百余篇，自乾隆年间成书以降，其怪诞迷离之外壳下所裹藏的思想脉络，世人虽屡有窥探，却始终如雾中看花，难尽其妙。书院执着的学者，多年来以人工方式爬梳剔抉，笔记摞起来已可等身。然人力有时而穷，穷则思变，AI便在这时候叩响了书院的木门。

叫我：松哥

基于深度卷积神经网络的水果图片分类算法设计与实现，有ResNet50的迁移学习模型，准确率达95%1前言1.1 研究的背景和意义1.1.1 研究背景农业是国民经济的基础产业，农产品的智能化识别对于提升农业生产效率、保障食品安全、推动农业现代化具有重要意义。水果作为日常消费品，其种类繁多、外观相似，传统的人工分类方式不仅效率低下，而且容易受到主观因素和疲劳的影响，难以满足大规模、高精度的应用需求。随着计算机视觉和深度学习技术的迅猛发展，基于图像的自动分类方法逐渐成为研究热点。

装不满的克莱因瓶

PyTorch 与它的自动微分工具：Autograd目录前言一、什么是 Autograd二、Autograd 的核心思想三、requires_grad 的作用

老饼讲解-BP神经网络

具体说说-RBF神经网络-newrbe函数和newrb函数的区别刚开始接触RBF神经网络时，会发现matlab提供了newrb和newrbe两个函数来构建RBF神经网络，那到底该使用哪一个呢？其实只要知道它们的区别，自然就知道该使用哪一个了。下面我们就来说说newrb和newrbe的区别。

叫我：松哥

基于卷积神经网络的静态手势语识别算法，在测试集上的识别准确率达到97.5%1前言随着人工智能技术的飞速发展，人机交互方式正经历着从传统的键盘、鼠标向更自然、更直观的交互方式转变。语音识别、手势语识别、人脸识别等自然交互技术逐渐成为研究热点，在智能家居、医疗康复、虚拟现实、游戏娱乐等领域展现出巨大的应用潜力。

从零搭建卷积神经网络：基于PyTorch实现MNIST手写数字分类MNIST数据集是深度学习领域的“Hello World”，它包含70,000张28x28的灰度手写数字图像，是入门图像分类任务的绝佳选择。本文将手把手带你使用PyTorch构建一个简洁而高效的卷积神经网络（CNN），完成对MNIST数据集的训练与评估。文章会逐步解读每一段代码的含义，从数据加载、模型构建、训练循环到测试评估，并结合完整的训练日志分析模型的收敛过程。最终我们的模型在测试集上达到了99.03%的准确率，损失值从最初的2.3逐步下降至接近0，直观展示了CNN在图像识别任务上的强大能力。无论你是

第10期| 卷积神经网络CNN通俗详解：AI遥感的底层核心上期第9期，我们梳理了遥感解译三代技术进化逻辑：人工目视特征→机器学习人工构造特征→深度学习CNN自动特征，同时分清了分类、检测、分割三大遥感AI任务。

装不满的克莱因瓶

掌握空间注意力 STN 模型结构——让神经网络学会自动“看准位置”目录一、前言二、为什么需要 STN（一）传统 CNN 的局限性（二）目标位置变化问题（三）数据增强的局限

从神经元到BP反向传播，零基础吃透神经网络底层原理深度学习（DL）隶属于机器学习（ML），机器学习又是人工智能（AI）落地实现的重要分支，三者是包含关系：人工智能>机器学习>深度学习。

南檐巷上学

基于改进型CNN神经网络的车牌定位识别系统（Matlab）目录一、前言二、主要任务三、项目知识简介3.1 卷积神经网络（CNN）3.2 VGG模型3.3 车牌图像选取、分割

闻道且行之

Hair Segmentation：MediaPipe 头发分割模块 CMake 独立编译MediaPipe 的 hair_segmentation 模块提供了一种高质量的实时头发分割方案——通过语义分割模型从画面中精确分离头发区域，并支持自定义发色渲染。与 face_mesh 的人脸关键点检测不同，hair_segmentation 关注的是像素级的头发/背景二分类，配合时序融合机制实现帧间平滑过渡。然而原版同样深度绑定 Bazel + GPU 工具链，Windows 桌面端难以独立部署。

装不满的克莱因瓶

链式法则如何传递参数误差 —— 深入理解神经网络中的梯度传播目录前言一、神经网络训练到底在做什么二、损失函数如何衡量误差三、为什么需要求导四、链式法则登场五、误差如何传递

MLA — 多头潜在注意力深度解析标准多头注意力（MHA）的 KV Cache 是大语言模型推理的核心瓶颈。对于一个具有 n h n_h nh 个注意力头、每头维度 d h d_h dh 的模型，每个 token 需要缓存的 KV 大小为 2 n h d h 2 n_h d_h 2nhdh。当序列长度达到数万 token 时，KV Cache 占用的显存远超模型参数本身。