神经网络

基于 Mask R-CNN 的药片缺陷检测系统本项目实现了一个基于 Mask R-CNN 深度学习模型的药片缺陷检测系统，能够自动识别和定位药片表面的污染（contamination）和裂纹（crack）两类缺陷。系统提供了完整的训练流程、GUI 可视化界面和推理工具，适用于药品质量检测场景。

BRP，如何用“反向构造”让黑盒对抗 Patch 更省查询？在深度学习安全领域，对抗攻击一直是一个非常重要的研究方向。一个训练良好的图像分类模型，看起来已经能够非常准确地识别猫、狗、汽车、交通标志，但只要人为设计一些特殊扰动，就有可能让模型产生完全错误的判断。

Product Hunt 每日热榜 | 2026-09-15标语：将网站流量转化为已预约的合格会议。介绍：您的“预约演示”按钮转化率只有1-2%，大多数访问者最终离开。Naoma用一个AI账户专员取代了传统的表单功能，它能立即进行演示：带领潜在客户了解您的实时产品，回答问题，判断他们的资格，并安排会议。它还会记住回访者，从他们上次离开的地方继续，并将每次会话记录到您的客户关系管理系统（CRM）中。已有超过50,000个演示为B2B SaaS团队服务。现在，您可以自助操作：上传您的产品和知识库，立即测试这个智能助手吧。

YOLO 完全指南（七）：YOLO识别工程化 (上)很多朋友在学会用 YOLO 做单张图片推理后，会觉得“模型能用了”。但当你真正要把视觉能力落地到业务里，问题才刚刚开始：

一次性会员支付系统的可靠性设计：幂等、金额校验、Webhook 与链上确认版权声明：本文系 DREAMVFIA UNION 原创技术专题，RNOISE 2.0 项目技术解析系列之一。未经 DREAMVFIA UNION 书面授权，禁止转载、摘编、洗稿或用于模型训练语料。 RNOISE 为独立项目，与 Suno、Udio 等第三方平台无官方合作关系，文中提及仅为兼容性说明。

程序猿编码

两张 3090 扛 27B：Qwen3.8-27B 大模型 DFlash2 加速版生产级落地这是一套面向生产环境的Qwen3.8-27B大模型落地方案，基于vLLM推理引擎构建，采用AutoRound W4A16 4bit量化权重，在两张24GB显存的RTX 3090显卡上通过张量并行完整运行，对外提供OpenAI兼容的标准API。

地平线开发者

模型部署｜征程6 量化路线怎么选：PTQ 还是 QAT？摘要：本文围绕 J6 模型部署中 PTQ 与 QAT 两条量化路线的选择展开。文章指出，PTQ 与 QAT 并非简单的“基础版”与“高级版”关系，核心应围绕精度（Accuracy）与性能（Performance）两个目标进行评价。本文详细对比了两者的原理、工程成本与适用场景，并给出实用建议：优先尝试 PTQ，仅在 Activation 高精度仍无法满足精度、PTQ 精度满足但性能不足、固定节点长期敏感等情况下，才考虑引入 QAT。

11-循环神经网络循环神经网络（Recurrent Neural Network, RNN）是一种专门处理序列数据的神经网络。与传统的前馈神经网络不同，RNN具有“循环”结构，能够处理和记住前面时间步的信息，使其特别适用于时间序列数据或有时序依赖的任务。

宁渡AI大模型

河南宁渡科技有限公司｜宁渡课堂 AI 全栈面试分享，AI 应用开发高频考点汇总摘要：本文由宁渡课堂整理 AI 全栈开发岗位面试高频知识点，覆盖大模型基础、提示词工程、向量数据库、AI 前后端集成等核心内容，帮助求职 AI 全栈方向的开发者梳理面试重点，做好面试准备。

智码看视界

神经网络基础——从感知机到多层网络的数学原理神经网络的思想起点，是 1958 年 Rosenblatt 提出的感知机（Perceptron）。它本质上是一个二分类的线性模型：

Product Hunt 每日热榜 | 2026-09-12标语：通过与您的代理聊天，建立并丰富B2B名单。介绍：Anysite.io 是一个企业对企业（B2B）数据平台，能够与您喜欢的人工智能助手无缝对接。您只需向您的助手请求所需的数据列表，比如按地区、行业和公司规模分类的公司信息；公司内部人员的姓名、职位和电子邮件 — Anysite.io 就会快速返回这些信息。无需编写查询语句，也不需要维护抓取工具。它可以在 Claude、Codex、Cursor、OpenCode 等多种助手中通过 MCP 或 REST API 使用。您只需插入数据，便可以在同一天启动您的

深入理解状态空间模型 (SSM)：RNN 与 Transformer 的优雅融合在深度学习的序列建模领域，我们长期面临一个核心问题：Transformer 的长序列建模能力很强，但计算复杂度随序列长度呈二次方增长。

人工智能 & 神经网络完整入门路线（零基础可走，分阶段）#人工智能、神经网络这块如何入门?#整体的路径是, 从基础开始, 接着是数学方面进行打底, 然后是机器学习的基础部分, 随后是神经网络深度学习, 最后到项目实战。

你想知道什么?

神经网络-学习笔记构建神经网络就是在构建神经元基本结构神经元（Neuron）：接收输入、加权求和、通过激活函数输出层（Layer）：输入层 → 隐藏层（可多层） → 输出层权重与偏置：网络的学习参数，通过训练调整关键机制前向传播：数据从输入层流向输出层，计算预测结果反向传播：根据误差梯度，从输出层向输入层更新权重激活函数：引入非线性（ReLU、Sigmoid、Tanh、Softmax 等）

在所不辞兄

【零基础学智能仿真-16】循环神经网络与LSTM/GRU——学习力学响应的历史记忆本节承接一维卷积，学习RNN、LSTM、GRU和双向循环网络处理力学时序数据的方法。课程从“当前载荷相同，结构响应为什么仍然不同”出发，讲解隐藏状态、时间展开、反向传播、梯度消失及门控记忆机制，并用纯NumPy训练一个循环神经网络，预测具有历史效应的位移响应。学习者将掌握时序数据组织、整序列划分、训练评估与因果性判断，为蠕变、动力响应、疲劳及裂纹扩展预测奠定基础。

吴佳浩 Alben

走向 Memory OS：企业私有化 Agent 设计与实现作者：吴佳浩（Alben）微某信公某众号：全栈架构师笔记系列专栏：《打造下一代智能体：企业级 Coding / DevOps Agent》· 第 03 篇

早睡早起身体好123

用 XGrammar 约束大模型工具调用：解决参数为空的问题工具调用成功了，为什么 arguments 仍然可能是空对象？这篇文章记录一个多智能体系统中的真实问题，以及如何使用 tool_choice、严格 JSON Schema 和 XGrammar 提高工具调用的可靠性。

AI微调系列（1）| 全量微调、LoRA、QLoRA 三种方案怎么选最近在做企业 AI 化转型的技术咨询时，几乎每家技术负责人都会问我同一个问题：模型选定以后，到底应该走"全量微调"、"LoRA"还是"QLoRA"？三种方案听起来都叫微调，但显存开销、训练成本、最终效果却天差地别，选错了轻则烧光预算，重则整个项目返工。

打不了嗝 ᥬ᭄

神经网络基础与整体架构深度学习主要应用于计算机视觉、自然语言处理、数据挖掘等任务。它的核心目标可以概括为一句话：把人类眼中的图像、文本、结构化数据等原始数据，转换成计算机能够理解的特征表示，然后基于这些特征进行预测或决策。换句话说，机器"看世界"的方式和人完全不同——人看到的是一张风景照，机器看到的是一串数字矩阵和从中提取出的抽象特征。

Product Hunt 每日热榜 | 2026-09-11标语：自我提升的人工智能客户体验介绍：Nova是一个AI运营工具，可以帮助你建立和优化客户体验团队，无需开发者。用简单的语言描述一下如何处理客户问题，并连接你的工具。Nova会构建智能客服代理，先在历史工单上进行测试，确保没有问题之后再投入使用。运行后，Nova会24/7监控服务质量，并提出改进建议，等待你的审核。智能客服代理可以处理完整的请求，包括订单、退款和计划变更，支持通过电子邮件、聊天或WhatsApp进行沟通。而未解决的请求是免费的。