神经网络

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

VLA 系统学习第 3 课：从一次机器人示范，到真正送进神经网络的 Batch因为训练数据里已经有“输入”和“正确答案”。对 BC 来说，一个最基本训练样本就是：\[ (o_t,a_t) \]

端侧编译原理：TVM / MLIR 计算图模式匹配、算子融合与显存生命周期复用专栏名称：《QNL-36：从量子张量网络到端侧异构认知大模型全栈实战》分卷归属：卷六·端侧编译器、极限推理加速与可证伪性测评（Volume VI: Edge Compilation, Extreme Inference & Falsifiable QC）文档编号：QNL-36-VOL06-ART21 主笔专家：QNL-009 COMPILER-TVM（端侧编译专家）· QNL-020 MLIR-DIALECT（计算图方言专家）联署质检：QNL-031 VRAM-GUARD（显存守卫架构师）· QNL

田里的水稻

EI_策略训练--机器人策略训练的神经网络种类一EI：Emboded Intelligent，NN：Neural Network前置说明：面向模仿学习（Behavior Cloning）+ 少量强化学习微调，适配动捕 BVH、LeRobot 数据集。机器人策略网络分为两大类：视觉编码器（提取图像 / 深度特征）、动作策略主干网络（输入观测，输出关节 / 末端轨迹）；下面全部是动作预测主干网络（视觉骨干 ResNet、ViT 属于感知，后面附带）。训练范式：行为克隆 BC、动作分块 Action Chunking、条件生成模型、时序序列建模；部署时配合

在所不辞兄

常微分方程详解与应用常微分方程（ODE）是描述一个变量随时间变化的数学工具，广泛应用于物理、工程、生物、经济等领域。其核心思想是通过微分关系来刻画系统状态的变化规律。

机器学习之心

DCNN-PINN锂电池SOC估计，因果空洞卷积+物理信息神经网络，把库仑定律写进损失函数，MATLAB代码第 69 讲 · 电池预测系列 | 内含 9 张实测图表、完整公式推导与参数清单油车看油表，电车看 SOC。

VLA 系统学习第 4 课：一个 Batch 进入神经网络后，模型到底是怎么“学会”的？因为：Episode 是一次完整任务，而训练样本可以来自 Episode 内部的每个时间点。例如：\[ 100\text{ episodes} \]

（2017|ICLR|Google Brain，主网络与超网络联合训练，静态/动态超网络，LSTM，RNN）超网络论文地址：https://arxiv.org/abs/1609.09106学术交流群：922230617