神经网络

极光代码工作室

基于深度学习的手写数字识别系统手写数字识别作为模式识别与计算机视觉领域的经典任务，是人工智能技术落地的重要验证场景。本文围绕MNIST数据集构建端到端的深度学习手写数字识别系统，旨在实现高精度、低延迟、可部署的识别能力。研究采用卷积神经网络（CNN）作为核心模型架构，结合数据增强、批量归一化、Dropout正则化及Adam优化器等关键技术提升泛化性能；系统设计涵盖前后端分离架构，前端提供交互式手绘板与结果可视化界面，后端集成Flask Web服务与PyTorch推理引擎，并支持模型热更新与日志追踪。实验表明，所提模型在MNIST测试集

weixin_55008315

全量的记忆压缩与意义保存把这些所有的记忆记录下来是一件有点难度的事情，，假设一只黄狗，你取名叫乐乐那么从它小时候和你交互产生的记忆，到它长大后和你交互产生的记忆，这些都基于你自己的传感器的信号。这些全部的记忆是一个天文数字，要怎么压缩呢

湘美书院--湘美谈教育

湘美谈教育湘美书院考古教育系列：湖湘一万年序列整理研究根据湘美书院考古教育系列所涉及的"湖湘一万年"序列，主要依据的是大型历史文化纪录片《湖湘一万年》。该片耗时14个月打造，在央视首播。

吴恩达《深度学习》之看懂神经网络的“底层细胞”：逻辑回归在深度学习的世界里，不管多么庞大的巨兽（比如千亿参数的大模型），如果你把它拆解到最微小的细胞，你会发现它流淌的依然是逻辑回归（Logistic Regression）的血液。

老饼讲解-BP神经网络

BP神经网络用什么训练算法(traingd、traingdm、trainlm)在使用matlab来训练BP神经网络时，我们不免会疑惑，究竟要怎么选择训练函数呢？我们先来看看matlab为BP神经网络提供了哪些训练函数，如下：

商用级光路加速卡：大模型推理的极速落地方案在深度学习推理的赛道上，我们正站在一个微妙的转折点。传统的电子算力在面对日益膨胀的大语言模型参数时，功耗墙和内存带宽瓶颈愈发明显。尤其是当我们需要在本地或边缘端部署 8B 到 32B 量级的模型时，显存频繁读写带来的延迟往往比计算本身更让人头疼。你是否想过，如果权重不需要从内存搬运到寄存器，如果数据能在光的速度下直接完成矩阵乘法，推理体验会发生怎样的质变？这并非科幻构想，而是基于光子计算架构正在发生的工程现实。

Product Hunt 每日热榜 | 2026-06-12标语：自动完成的AI待办事项列表介绍：Bond是一款为高管提供服务的人工智能助手。它可以连接到你的工作工具，了解公司的运作方式，帮助你将零散的任务整理成一个自我管理的待办事项清单，始终知道你接下来需要做什么。你可以让Bond帮你准备下一场会议、撰写跟进邮件、发送电子邮件、创建行动项、识别障碍、分析风险，或者将任务委派给团队成员。

神经网络原理第十一章：植根于统计力学的随机机器和它们的逼近本章是神经网络无教师学习部分的第三大支柱，与前两章（第8章PCA、第9章SOM、第10章信息论）不同，它从统计力学这一物理学的核心领域汲取灵感，构建了一类强大的随机机器。

Product Hunt 每日热榜 | 2026-06-11标语：一个出版API，让代理在10个社交平台上发布内容。介绍：Publora 是一个针对10个社交平台的出版 API。通过一次 REST API 调用，就可以实现多网络的内容分发——无需额外的 SDK，也不需要复杂的 OAuth 连接。它的原生 MCP 服务器配备了18个工具，为像 Claude 和 Cursor 这样的 AI 助手提供了完整的互动流程：发布、评论、反应以及获取分析数据——涵盖 LinkedIn、X、Instagram、Threads、TikTok、YouTube、Facebook、Blu

叫我：松哥

基于机器学习和flask的体育健身风险智能分析系统，系统集成DeepSeek、聚类算法、分类算法等，准确率达90%1 绪论1.1 研究背景与意义近年来，随着生活水平的提高和健康意识的增强，参与健身运动的人数持续增长。健身房、健身工作室等场所成为人们日常锻炼的重要选择。然而，不科学的运动方式、过度的训练强度以及忽视个体差异等因素，可能导致运动损伤、心血管事件等健康风险。根据相关研究，约有30%的健身爱好者曾经历过不同程度的运动损伤，而患有潜在疾病的人群在高强度运动中发生意外的风险更高。因此，对健身过程中的健康风险进行评估和预警具有重要的现实意义。

湘美书院--湘美谈教育

湘美谈教育湘美书院考古教育系列：湖南史前文化序列整理湖南史前文化序列整理湖南史前文化的系统整理，以澧阳平原为核心，辅以南岭、洞庭湖及湘资沅澧流域，构建从约50万年前至商周时期的完整文化序列。

力学与人工智能

论文分享 | 优化离散损失求解反问题：无需神经网络的快速精确学习引用格式：Karnakov P, Litvinov S, Koumoutsakos P. Solving inverse problems in physics by optimizing a discrete loss: Fast and accurate learning without neural networks[J]. PNAS nexus, 2024, 3(1): pgae005.

湘美书院--湘美谈教育

湘美谈教育AI赋能系列经验集锦：学好唐诗宋词的点滴心得体会作为传承文化薪火的载体，正亲身经历着这场由技术引发的时代巨变。面对AI成瘾、深度阅读退化等现象，我们并未一味排斥技术，而是探索如何在拥抱技术进步的同时，守护好人类文明的根与魂。在利用AI赋能唐诗宋词教学实践中的一点心得体会。

装不满的克莱因瓶

掌握条件生成对抗网络（Conditional GAN）模型结构——从无条件生成到可控生成的进阶目录一、前言二、什么是Conditional GAN（一）基本定义（二）核心思想（三）一句话理解三、cGAN的核心结构

镓未来GaN助力荣耀WIN 360W氮化镓适配器，高效充电触手可及!近日，荣耀正式发布 WIN 360W 氮化镓适配器，在功率体积密度与功率重量密度两方面实现重大突破，号称“挑战双项行业第一”。该产品凭借 GaN+SiC 双半导体材料融合技术，在紧凑体积内实现高达 360W 的持续稳定输出，成为深度游戏本用户与出差人群的福音！

装不满的克莱因瓶

掌握生成对抗网络（GAN）原理——从零理解“对抗学习”的核心思想与生成机制目录一、前言二、GAN是什么（一）基本定义（二）核心思想（三）一句话理解三、GAN的核心结构（一）生成器（Generator）

Nature正刊：用神经网络替代有限元仿真，热电设计提速四个数量级导语：找好材料很难，但更难的是——把好材料做成好器件。热电器件设计的核心瓶颈，在于有限元仿真太慢了：每次求解耦合偏微分方程都要耗费几十分钟，而一个器件设计空间往往有成百上千种组合需要扫描。来自日本NIMS和筑波大学的研究团队在2026年《Nature》上给出了一个突破性答案：他们开发的TEGNet神经网络，能用0.25秒完成传统求解器需要2237秒才能算完的任务，预测精度超过99%。更重要的是，这套网络可以像积木一样拼装组合，快速设计出更复杂的器件——他们据此造出了效率达9.3%和8.7%的两类热电器件，

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。