神经网络

BiGRU——提高基于 RNN免疫反应预测的准确性论文地址：https://arxiv.org/abs/2208.04314人们有一种叫做免疫系统的系统来保护自己免受外来有害物质（包括病毒和细菌）的侵害。免疫系统是指包括白细胞在内的人体内各种元素相互配合以保卫身体的系统，众所周知，它是人类生存的重要机制。近年来，人们一直在研究如何利用免疫系统的机制来治疗难以治愈的癌症。免疫系统中一个特别重要的组成部分是HLA分子，它通过向另一个细胞呈现一种叫做肽的物质来诱导免疫反应，这种物质会被一个细胞吸收，因此它是发生免疫反应的一个重要组成部分。近年来，人们一直在进

【2023工业3D异常检测文献】PointCore: 基于局部-全局特征的高效无监督点云异常检测器PointCore: Efficient Unsupervised Point Cloud Anomaly Detector Using Local-Global Features

神经网络激活函数神经网络的激活函数（Activation Function）神经网络可以用在分类问题和回归问题上，不过需要根据情况改变输出层的激活函数。一般而言，回归问题用恒等函数，分类问题用softmax函数。

PyTorch自定义学习率调度器实现指南在深度学习训练过程中，学习率调度器扮演着至关重要的角色。这主要是因为在训练的不同阶段，模型的学习动态会发生显著变化。

YOLOv8改进 - 注意力篇 - 引入(A2-Nets)Double Attention Networks注意力机制作为入门性篇章，这里介绍了A2-Nets网络注意力在YOLOv8中的使用。包含A2-Nets原理分析，A2-Nets的代码、A2-Nets的使用方法、以及添加以后的yaml文件及运行记录。

橙子小哥的代码世界

【深度学习】05-Rnn循环神经网络-01- 自然语言处理概述/词嵌入层/循环网络/文本生成案例精讲循环神经网络（RNN）、卷积神经网络（CNN）和全连接神经网络（FCN）是三种常见的神经网络类型，各自擅长处理不同类型的数据。下面是它们的简要对比和解释：

深度学习：（八）深层神经网络参数与流程前向传播和反向传播都类似之前的笔记。前向传播有输入数据 x x x ，反向传播的输入数据是 d a [ L ] da^{[~L~]} da[ L ] ，即输出层（第 L L L 层）的输出，在向量化代码中，直接展示出来的结果是损失函数 L ( y ^ , y ) L(\widehat{y},y) L(y ,y) ，

最新最全的阿里大模型面试真题！看到就是赚到随着人工智能技术的飞速发展，计算机视觉（CV）、自然语言处理（NLP）、搜索、推荐、广告推送和风险控制等领域的岗位越来越受到追捧，掌握大型模型技术已成为这些岗位的必备技能。然而，目前公开的大模型资源和面试真题相对稀缺。

【机器学习】---深入探讨图神经网络（GNN）图神经网络（Graph Neural Networks, GNNs）作为处理图结构数据的前沿工具，已在多个领域中展现出卓越的性能。本文将深入探讨GNN的基本原理、关键算法及其实现，提供更多代码示例，以帮助读者更好地理解和应用GNN。

机器不会学习CL

回归预测合集|基于灰狼优化21个机器学习和深度学习的数据回归预测Matlab程序多特征输入单输出回归预测合集|基于灰狼优化21个机器学习和深度学习的数据回归预测Matlab程序多特征输入单输出基于灰狼优化BP神经网络的数据预测Matlab程序GWO–BP 基于灰狼优化卷积神经网络的数据预测Matlab程序GWO–CNN 基于灰狼优化长短期记忆神经网络的数据预测Matlab程序GWO–LSTM/BiLSTM/GRU 基于灰狼优化深度神经网络的数据预测Matlab程序GWO–DNN 基于灰狼优化极限学习机的数据预测Matlab程序GWO–ELM 基于灰狼优化随机森林的数据预测Matlab程序GWO–R

顶呱呱程序

2-105 基于matlab的GA-WNN预测算法基于matlab的GA-WNN预测算法。遗传算法优化小波神经网络的步骤：1设种群规模为M。随机生成初始种群N , 采用实数编码对个体Ni编码。2、用1中的种群N训练, WNN参数由初始化获得。3、计算种群N中个体适应度值。满足终止条件则跳至6, 不满足执行4。4、适应度大的个体, 选择其中一部分继承给下一代, 同时将遗传操作后产生的最差个体用父代适应度最大的个体替代。5、对当前一代群体进行交叉和变异等遗传操作, 产生下一代群体, 转3。6、循环结束, 将最后一代群体中最优个体的解码还原值作为WNN的初始参

计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-09-26Authors: Karthik Valmeekam, Kaya Stechly, Subbarao Kambhampati

橙子小哥的代码世界

【深度学习】03-神经网络3-1梯度下降网络优化方法每一条线是一个权重，每个神经元由一个加权和还有一个激活函数组成。每一层可以理解是一个函数，最终形成一个复合函数，因此求梯度的时候，是一层一层的求解，所以叫做反向传播。

关于神经网络的一个介绍这篇文章中，我将简单介绍下与神经网络有关的东西，包括它的基本模型，典型的算法以及与深度学习的联系等内容。

【pytorch】pytorch入门4：神经网络的卷积层使用 B站小土堆课程的笔记[1]

新缸中之脑

神经网络修剪实战修剪神经网络是一个古老的想法，可以追溯到 1990 年（Yan Lecun 的最佳脑损伤工作）甚至更早。这个想法是，在网络中的众多参数中，有些是多余的，对输出的贡献不大。

[大语言模型] 情感认知在大型语言模型中的近期进展-2024-09-26Title: Recent Advancement of Emotion Cognition in Large Language Models Authors: Yuyan Chen, Yanghua Xiao https://arxiv.org/abs/2409.13354 情感认知在大型语言模型中的近期进展

计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-09-27Authors: Zhihuan Jiang, Zhen Yang, Jinhao Chen, Zhengxiao Du, Weihan Wang, Bin Xu, Yuxiao Dong, Jie Tang https://arxiv.org/abs/2409.13730

深度学习：pytorch简单神经网络模型实现手写数字识别PyTorch是一个开源的机器学习库，广泛用于计算机视觉和自然语言处理等应用。它提供了强大的GPU加速的张量计算能力，以及构建深度学习模型的动态计算图。

神经网络（一）：神经网络入门生物神经元结构如下：生物神经元彼此之间相互连接，不断传递信息而构成生物神经网络。神经元结构则是模仿生物神经元提出的一种数学模型，其包含输入、输出与计算功能。其中，输入可类比神经元树突，树突可类比神经元的轴突末梢，计算则可类比为细胞核。经典的神经元模型如下：其中包含三个输入 a 1 、 a 2 、 a 3 a_1、a_2、a_3 a1、a2、a3，每个输入分别对应一个权值，分别为 w 1 、 w 2 、 w 3 w_1、w_2、w_3 w1、w2、w3。将输入与权值相乘并求和（加权求和）后，再经过Sgn函