神经网络

遥感知识服务

从局部阈值、双极化到暗地表剔除：NASA OPERA DSWx-S1全球动态水体算法拆解一句话读懂：这篇论文提出了一套面向全球业务化应用的单景Sentinel-1水体提取算法。它不依赖同轨灾前SAR影像，而是把局部自适应阈值、VV/VH双极化、模糊逻辑、HAND、历史水体、土地覆盖、区域生长和“暗地表”剔除组合起来，重点解决“沙漠和道路太暗导致误报”以及“风浪水面太亮导致漏报”两个长期难题。该方法已经用于NASA OPERA的DSWx-S1动态地表水产品。

本地AI漫剧部署与稳定量产实操教程主页查看各种教程，包治百种BUG：Eric.46-CSDN博客目前网上绝大多数AI漫剧相关内容，都集中在提示词调整、工作流导入、画面参数调试层面，很少有人系统讲解本地部署的环境规范与量产稳定逻辑。这也导致绝大多数创作者只能实现单次单镜头出片，一旦进入批量渲染、连续剧集制作、长时间无人值守量产，就会频繁出现各类隐性问题，包括显存莫名卡顿溢出、人物人设持续漂移、画面明暗闪烁、批量任务静默失败、程序随机卡死等情况。很多人长期陷入反复换模型、重调参数、重启软件的无效循环，始终无法搭建出可以长期连载的稳定生产环境。

可控扩散驱动模糊测试：CtrlFuzz 如何在“流形空间”中精准探索神经网络漏洞“ 随着深度神经网络（DNN）在自动驾驶、医疗、安防等关键领域的广泛应用，其鲁棒性与安全性问题日益凸显。尤其是对抗样本所揭示的：模型对微小扰动极度敏感；传统测试难以覆盖高维输入空间。

民乐团扒谱机

【微实验】物理启发神经网络（PINN）：当AI学会遵守物理定律（附matlab代码））海边的气象站里，一位经验丰富的预报员正盯着屏幕上密密麻麻的传感器数据。海风速度、温度梯度、气压变化——这些数字他再熟悉不过，但要准确预测三小时后的海浪高度，依然像在玩一场胜算有限的赌博。

Day 20：构建第一个真实神经网络 — 图像分类实战今日目标：从零搭建CNN，训练CIFAR-10分类器，完成从数据准备到模型导出的完整Pipeline 预计阅读：10分钟 | 动手操作：50分钟

10-Git 仓库蒸馏术：从代码仓库到 OpenClaw 虚拟人-蒸馏工具链这是《Git 仓库蒸馏术：从代码仓库到 OpenClaw 虚拟人》系列的第 10 篇。前 9 篇我们手工完成了蒸馏的每一步：盘点、挖掘、分析、提炼、建模。这一篇把这些步骤固化成一条自动化流水线——蒸馏工具链。手工蒸馏一次可以，但仓库会持续演进，蒸馏必须能重复执行。

别自己写算法了，让这颗37.5毫米的模组替你“闭嘴干活”研发工程师圈子有个怪现象——越是规模不大的团队，越容易在语音前处理上“上头”。老板一拍桌子说“我们要自研AEC算法”，于是算法工程师招了两个，开发板买了好几块，半年过去，喇叭一响回声依然压不住，空调一开人声直接听不见。

Day 21：卷积神经网络CNN — 深入理解卷积今日目标：掌握卷积的数学原理、从零实现2D卷积、理解各种卷积变体及端侧AI选型预计阅读：10分钟 | 动手操作：40分钟

别动我齐刘海

机器人运动控制学习2——基础进阶继续我们之前机器人运动控制学习1——基础概念的学习现在在它上面再加一层：你只要先把三个问题搞懂：这三者就是运动学的主线。

Είναι η κοπέλα

CNN 与模板匹配混合识别：ONNX 推理 + 置信度仲裁实战“单模板匹配在角标污损时挂，CNN 在奇怪字体上挂。混着用，靠置信度仲裁，能从 95% 抬到 99%。”

Python-pytorch-高级技巧Hooks 让你在不修改 forward() 代码的情况下，在模型的前向/反向传播中插入自定义逻辑。非常适合调试、特征提取、梯度分析和可视化。

Product Hunt 每日热榜 | 2026-08-19标语：将网站访客转化为合格的潜在客户介绍：Clara是一款人工智能销售开发代表（AI SDR），能够将网站上来的用户流量转化为销售机会。她通过实时互动来吸引客户、进行资格审查、展示产品、处理异议，还能直接预约会议。无需填写表单、无需等待，也不需要增加人手。Clara可以全天候无缝地与客户关系管理系统（CRM）集成，随时随地销售。

小O的算法实验室

IEEE TCDS，基于改进双神经网络三维未知环境多机器人协同区域覆盖搜索三维未知环境中的多机器人覆盖搜索同时面临机器人间决策冲突、频繁转向与升降，以及搜索后期陷入局部死锁等问题。论文在 Glasius 仿生神经网络（GBNN）基础上提出改进 GBNN（IGBNN），将邻近机器人及其候选移动网格作为抑制输入，降低多个机器人同时选择同一网格风险；在决策函数中加入航向连续性和同层运动偏好，减少转向与垂直移动

Deep Learning for Computer Vision——Training CNNs and CNN Architectures这一部分回答“怎么搭建网络骨架”。💡 核心逻辑公式：无论哪种归一化，都遵循两步操作：标准化：（将数据拉到均值为 0，方差为 1 的标准正态分布）。

零基础在windows环境下的WSL使用llamafactory（二）微调模型 (Fine-tuned Model / Instruct Model)在预训练基础上进一步适配下游任务（如医疗问答、代码生成等）

木棉知行者

【第8篇】OverLock（CVPR2025）：新型卷积神经网络OverLoCK，通用的即插即用Backbone！论文题目：OverLoCK: An Overview-first-Look-Closely-next ConvNet with Context-Mixing Dynamic Kernels 中文题目：OverLoCK：一种先概览-再仔细观察-最后上下文混合动态核的卷积网络文献地址：https://arxiv.org/pdf/2502.20087 源码地址：https://github.com/LMMMEng/OverLoCK 所属单位：香港大学计算与数据科学学院

Product Hunt 每日热榜 | 2026-08-18标语：让你的努力被看到，争取晋升吧！介绍：Meridian 是一个开源的人工智能工作日志，完全在你的设备上运行。它会实时用简单的英语记录你当天的工作内容，让你在一天结束时可以轻松获取总结。Meridian 还能够自动为你的项目管理工具（如 Jira）草拟更新，等你确认后就可以直接发布。你专注于工作，让记忆自然而然地跟上。没有云端存储，也无需注册账号。这个工具由麻省理工学院授权，完全免费。

程序猿编码

不用PyTorch，我用C++手写了一个能认手写数字的神经网络学神经网络，大多数人的入门路径是：装Anaconda、pip install torch、调包、跑Demo。三行代码就能让模型在MNIST上跑到99%准确率。但问题是——你知道这99%是怎么来的吗？权重怎么初始化的？反向传播到底在算些什么？ReLU为什么有时候会让网络"死"掉？

闻道且行之

图片处理助手|C++ 手搓离线 AI 抠图工具,U2Net 原理到落地一次讲透导语:你有没有过这种经历——高铁上、机场里、甚至客户公司楼下,对方突然发来一张产品图,配一句「帮我抠个透明背景,着急用」。打开在线抠图网站,页面转圈,没网,神仙也难救。上传云端要网,装 Python + PyTorch 要好几个 G,Photoshop 又贵又重。一气之下,我自己写了一个全离线的 AI 图片工具箱 PicTools:模型全部本地跑,不联网、不上传、拷个文件夹就能用,抠图秒级出结果。从这篇开始,我会把 PicTools 的功能模块一个个拆开讲。第一篇聊最刚需的抠图:模型怎么选、数据怎么喂

零基础在windows环境下的WSL使用llamafactory（一）模型微调的大致流程：微调训练、推理验证、模型导出、模型部署目录llamafactory三种搭建方式python环境的搭建