神经网络

【测AI】第11篇：深度学习基础 —— 神经网络是怎么工作的第 08 篇我们学了机器学习的基本概念——模型从数据中学习规律。但上一篇用的是决策树这种"简单"模型。现在的 AI 产品，图像识别、语音助手、大语言模型，背后跑的都是深度学习（Deep Learning）。

在所不辞兄

为什么物理嵌入神经网络的收敛性和泛化误差缺乏统一的理论保证？物理嵌入神经网络（PINN）收敛性与泛化误差缺乏统一理论保证的核心原因，在于其损失景观的非凸性、多目标优化的梯度冲突以及神经切线核（NTK）在微分算子下的谱偏差。现有的理论框架难以同时涵盖任意偏微分方程（PDE）的复杂性、网络架构的多样性以及训练动态的非线性耦合。

VLA 系统学习第 21 课——DDPM 与 Noise Scheduler：扩散模型究竟怎样从随机噪声生成机器人动作？想先说明一下，ddpm这里讲的并不好，比如说为什么系数要用根号值，为什么没有用条件概率表示却突然用epsilon去逼近神经网络最优参数等等，其中包含一些概率论与数理统计/马尔科夫决策链/詹森不等式/KL散度知识，我找了一个讲的最好的动画，公式推导的很牛逼；听一遍，整个人都通畅了；[动画] 扩散模型DDPM全解析_哔哩哔哩_bilibili；

田里的水稻

LLM_Transformer的神经网络LLM：Large Language Mode先澄清一个关键点：Transformer 依然是人工神经网络，但它不是传统感知机那种单个神经元堆叠的视角，它的基础单元是向量、矩阵运算、多头注意力、MLP；但里面依然包含神经元、权重连接、激活函数。

任务在飞书创建，开发在 Orca 继续：我把飞书项目接到了 Linear最近我在用 Orca 做开发。它的任务页接入了 Linear，查看自己的待办很方便。但团队的需求、开发子任务和缺陷，都在飞书项目里。

A-59 工业级 AI 语音处理模组：100 dB 消回音 + 神经网络降噪的工程实践做免提通话、远程对讲、语音识别交互的工程师，十有八九都踩过这两个坑：喇叭离麦克风太近，自己说的话被录回去形成刺耳回音；环境噪声一复杂，语音识别率直线下降。A-59 把 AI 神经网络降噪、回音消除（AEC）、定向拾音（BF）和远场 AGC 做进了一块 37.5 mm × 16 mm 的半孔焊盘模块里，下面直接看它是怎么解决这些问题的。

田里的水稻

RL_强化学习概述---具身机器人EAI：Embodied Artificial Intelligent，RL：Reinforcement Learning

动手学深度学习 07|Resnet网络与迁移学习目录前言一、传统 CNN 的两大痛点二、ResNet 核心思想：残差连接为什么残差能解决退化三、ResNet 整体架构

VLA 系统学习第 17 课：正式进入 ACT——为什么需要 CVAE、潜变量 z 和 KL Loss？上一课我们已经从 Transformer 的内部结构，走到了一个能预测 Action Chunk 的 Encoder–Decoder Policy。

亲手拆开 Transformer：从手算入门到理论全景研究 Transformer 架构，就像掀开汽车引擎盖。里面塞满了陌生零件：嵌入、位置编码、注意力、多头、层归一化、跳跃连接、Softmax、Nx、查询、键、值、掩码……名字一个比一个唬人。

Product Hunt 热榜 2026-10-10：Busabase、Zernio、Playground by Google Labs标语：人工智能代理的通用记录系统介绍：不同的智能体，一个共享的平台。Busabase 是一个通用数据库和工作空间，既适合人类用户，也适合 AI 智能体。您可以将商业记录、文档、技能和应用集中存放，这样下一个任务就能在这些基础上展开。它支持连接 Claude Code、Codex 等工具。您可以设置访问权限，必要时审核变更，并查看具体的改动内容。Busabase 是开源的，提供云端、个人桌面和自托管等多种选项。

田里的水稻

IL_部署推理---工具和语言IL：Imitation Learning，EAI：Embodied Artificial Intelligence

在所不辞兄

为什么PINN非常适合求解有限元模型###为什么PINN非常适合求解有限元模型PINN（Physics-Informed Neural Networks）在求解有限元模型时表现出显著优势，主要体现在以下几个方面：

技术的诞生与演化--技术自举及其冷启动用现有工具构建新工具，然后用新工具构建自己，这在编程技术中是普遍形态，然而它有着哲学层面的意涵。其实，人类的所有技术都是在旧的技术中诞生，然后自己又推动自己发展。

免密连接+快捷键+虚拟鼠标：ToDesk远程操作AI效率拉满Vibe Coder每天要用手机连电脑5-20次——启动AI、盯进度、点授权、改代码。如果每次连接都要输入设备码、字符密码，积少成多，一天浪费的时间够Codex跑一轮测试。

田里的水稻

IL_策略训练---CNN/1D神经网络种类三EI：Embodied Intelligent， CNN：Convolutional Neural Network，IL：Imitation Learning

田里的水稻

IL_策略训练---Mamba\SSM神经网络种类六EI：Embodied Intelligent，SSM：Structured State Space Models，IL：Imitation Learning

在所不辞兄

刚性问题误差容限设置技巧在 ODE 数值求解中，通常设置两种误差容限：它们共同决定求解器的精度要求。对于刚性问题，合理的误差容限设置至关重要，因为它直接影响数值稳定性、计算效率和结果准确性。

神经网络 - 激活函数、损失函数、优化器一文搞懂神经网络训练中的所有核心组件，从原理到选型，从公式到实战。如果没有激活函数，神经网络会退化成线性模型：

Raspberry_Pi_官方账号

观察、理解与响应：Raspberry Pi 5 上的低功耗 CNN、VLM 和 SLM 工作负载大多数边缘 AI/ML（人工智能/机器学习）工作负载适合在 CPU 上运行，但对于少数 CPU 无法胜任的工作负载而言，加速器就显得尤为重要。Raspberry Pi 用户有多种加速方案可供选择，包括我们自家的 AI HAT+ 和 HAT+ 2，以及来自更广泛的 Raspberry Pi 生态系统的产品。在本文中，我们在 Sixfab 和 DEEPX 的朋友将探讨如何在使用 Sixfab AI HAT+ 的 Raspberry Pi 5 上运行视觉和紧凑型语言 AI，以及 3 瓦功耗的 NPU 能在边缘设