神经网络

张二娃同学

第12篇_深度学习学习路线总结深度学习入门专栏 · 第 12 篇适合读者：已经阅读前两篇内容，希望继续系统学习深度学习核心方法与实践流程的初学者

Cell ：D-SPIN 从单细胞转录组构建调控网络，解析细胞扰动响应底层逻辑本文为《 D-SPIN constructs regulatory network models from scRNA-seq that reveal organizing principles of perturbation response 》的阅读笔记，原文链接： https://www.sciencedirect.com/science/article/pii/S0092867426004630?via%3Dihub。

GAN生成对抗网络GAN（生成对抗网络）#深度解析# GAN（生成对抗神经网络） GAN公式简明原理GAN令人头疼之处主要在于训练不稳定、收敛困难、难以精准控制生成内容，因此各种各样的网络结构、损失函数、加入条件监督信息技巧和各种约束手段被提出。在19年对GAN的综述历史最全GAN网络及其各种变体整理（附论文及代码实现）

RAG向量模型维度（向量维度）神经网络训练出来的隐式特征、同一个collection必须固定维度、维度灾难、隐藏层大小hidden size、语义坐标系在 RAG（Retrieval-Augmented Generation，检索增强生成）系统中，很多人第一次接触向量数据库时，都会看到类似这样的信息：

【论文阅读】SWE-CI: Evaluating Agent Capabilities in Maintaining Codebases via Continuous Integrationhttps://arxiv.org/pdf/2603.03823基于大语言模型（LLM）的智能体已在自动化软件工程任务（如静态缺陷修复）中展现出强大能力，SWE‑bench 等基准测试已充分证明这一点。但在实际场景中，成熟软件的开发通常建立在复杂的需求变更与长期功能迭代之上 —— 这一过程是静态、一次性的修复范式所无法刻画的。为弥补这一差距，我们提出 SWE‑CI，这是首个基于持续集成（CI）流程构建的代码库级基准测试，旨在将代码生成的评估范式从静态、短期的功能正确性转向动态、长期的可维护性。该基准包含

那个，我想吃麦麦

【论文阅读 | Advanced Engineering Informatics 2026】融合条件扩散与图学习的 EEG 信号重建与认知负荷识别📖 论文信息该论文提出了一个"重建-分类"统一框架：第一阶段使用条件引导去噪扩散概率模型（CG-DDPM）同时修复 6 种伪迹污染的 EEG 信号，第二阶段使用融合 CNN、GCN、KAN 三分支编码器的 EEGGX-Net 对认知负荷进行分级识别。在 STEW 和自采集 iNCog-EEG 两个数据集上，二分类准确率均超过 98%，三分类超过 95%，且均为被试独立评估。

心疼你的一切

PyTorch实战：手写数字识别神经网络人工智能正在深刻改变我们的世界，而神经网络作为AI领域的核心技术之一，其重要性不言而喻。从图像识别到自然语言处理，从语音识别到自动驾驶，神经网络无处不在。本文将深入浅出地介绍神经网络的基础原理，并通过PyTorch框架进行实践演示，帮助读者快速上手神经网络开发。

张二娃同学

第08篇_RNN_LSTM_GRU序列模型深度学习入门专栏 · 第 8 篇适合读者：已经阅读前两篇内容，希望继续系统学习深度学习核心方法与实践流程的初学者

《神经网络与深度学习》学习笔记（一）人工智能（AI）是让机器模拟人类智能的总称，机器学习是实现人工智能的核心方法，深度学习是机器学习的重要分支。

(多代码实现版)PyTorch神经网络入门博客很多同学刚接触 PyTorch 神经网络时，都会遇到同一个问题：代码能跑，但不知道在写什么。nn.Linear、nn.ReLU、forward函数… 这些东西到底是什么关系？为什么要继承nn.Module？为什么CrossEntropyLoss总是报错？

神经网络从函数到transformer学习笔记我的学习资料【【闪客】一小时从函数到 Transformer】https://www.bilibili.com/video/BV1NCgVzoEG9?p=2&vd_source=fe688d296a49c21a47090f9730a67ab4 【90分钟！清华博士带你一口气搞懂人工智能和神经网络】https://www.bilibili.com/video/BV1atCRYsE7x?vd_source=fe688d296a49c21a47090f9730a67ab4 【大白话讲解：线性回归】https:

神经网络原理第八章：主分量分析主分量分析是神经网络无教师学习部分的开篇之作（第8章）。它是一种经典的数据降维和特征提取方法，其核心思想是通过线性变换，将原始可能相关的变量，重新组合成一组新的、相互无关的变量，称为主分量。

人工智能培训

伦理与安全困境：在平衡中探寻前行之路当人工智能算法决定求职筛选结果，当基因编辑技术触碰生命伦理底线，当数据监控在安全与隐私间摇摆，伦理与安全的困境已不再是抽象的哲学命题，而是渗透在科技发展、社会治理、日常生活中的现实挑战。伦理是人类社会公认的价值准则，是区分善恶、界定边界的精神标尺；安全则是个体生存、社会运转的基本前提，是一切发展的根基。二者看似相辅相成，实则常常陷入相互博弈的困境，如何在坚守伦理底线的同时守护安全，成为当代社会必须面对的重要课题。

（二）神经网络训练基础：激活函数、反向传播与自动求导本节聚焦「如何训练」：先对齐常用术语，再依次说明激活函数、训练循环、反向传播与自动求导。一种模仿生物神经网络的结构和功能的数学模型或计算模型，按照一定的规则将多个神经元连接起来的网络。

定时器与时间轮思想在Linux中，提供了几个定时操作的相关函数，我们先来认识一下:timerfd_create 是 Linux 系统中用于创建定时器文件描述符的系统调用，我们先来详细介绍一下他的两个参数。

【神经网络】js版本的Pytorch，estorch重磅发布类似 PyTorch 的 JavaScript (ECMAScript) 张量/自动微分库，支持 CPU 训练。零依赖，纯 CommonJS 模块。

人工智能培训

知识图谱与检索增强的实战结合

驾驭AI 2.0时代：Transformer、扩散模型与物理信息神经网络核心技术解析近年来，随着卷积神经网络（CNN）等深度学习技术的飞速发展，人工智能迎来了第三次发展浪潮，AI技术在各行各业中的应用日益广泛。这个教程将带您全面掌握AI前沿技术、新理论及其Python代码实现，助您走在人工智能的技术前沿。

GIN学习笔记在普通 GNN 中，节点更新通常可以理解为：但是这里有一个重要问题：不同的邻居集合，经过聚合之后，可能会得到相同的结果。

面试题：神经网络的优化怎么讲？梯度消失、Adam、BN、Dropout、权重初始化一文讲透很多人一提“神经网络优化”，第一反应就是：换 Adam、调学习率。这只说对了一小半。真正的优化，是从网络结构、梯度传递、初始化、优化器、归一化、正则化到数据增强的一整套配合。