神经网络

通信大模型

IEEE JSAC | 4万字综述 | 从Large AI Models到Agentic AI：面向未来智能通信的教程题目：From Large AI Models to Agentic AI: A Tutorial on Future Intelligent Communications

深度学习——神经网络基础问题与思考：为什么会有梯度消失？导数最大为0.25，0.25^5 接近0，会导致导数、梯度值无限接近0，网络参数将更新极其缓慢，或者无法更新。

【第 04 篇】列表与元组 —— 序列类型核心详解系列导读：本文是《从零到精通 Python》系列第 04 篇。前三篇打好了变量、运算符和流程控制的基础，本篇深入 Python 中最常用的两大序列类型：列表（list）和元组（tuple）。从底层内存模型到高阶技巧，配合完整的学生成绩管理系统实战，帮你真正掌握序列操作的精髓。

装不满的克莱因瓶

掌握 RNN 与 LSTM 模型结构目录一、前言二、为什么传统神经网络无法处理序列数据三、什么是 RNN四、RNN 的展开结构五、RNN 的数学原理

Product Hunt 每日热榜 | 2026-06-04标语：你的市场推广策略：从诊断到执行介绍：Elentaria是B2B行业的AI运营助手：它会分析你的业务，评估22个渠道，制定合适的计划，并学习哪些因素促进了收入增长，从而让下周的表现更加出色。每周，它都会在你的平台上，以你的语气提供服务。

力学与人工智能

AIAAJ | 西工大常宝辉、李楠等：基于径向基函数神经网络的激波串数据驱动控制方法研究引用格式：Baohui Chang, Nan Li, Luye Jiang, Weiwei Zhang. Data-Driven Control of Shock Train Using Radial Basis Function Neural Network[J]. AIAA Journal, 2025. https://doi.org/10.2514/1. J064762

装不满的克莱因瓶

掌握感知器的学习原理目录一、前言二、什么是感知器三、生物神经元与感知器四、感知器的数学模型五、激活函数六、感知器如何完成分类

装不满的克莱因瓶

掌握典型卷积神经网络的搭建目录一、前言二、卷积神经网络整体结构三、CNN为什么比普通神经网络更强四、LeNet：CNN的起点五、LeNet网络结构解析

【机器人】ROS2 机械臂控制（MoveIt2）从入门到实战目录前言第一章：环境搭建（核心步骤，避坑重点）1.1 前置环境准备1.1.1 ROS2 安装1.1.2 Gazebo 安装

卷积的流程我们现在设计一个卷积神经网络的实验，比如识别一张图片是猫还是狗。现在我们有一张n*n大小的RGB图片的输入，RGB图片是三通道的，这代表这张图片在输入时就包含红、绿、蓝三个维度的信息。所以一张RGB图片输入给模型的输入层实际上是输入了一个n*n*3的tensor（张量）。

装不满的克莱因瓶

掌握神经网络的模型结构目录一、前言二、什么是神经网络三、神经网络的基本组成四、输入层（Input Layer）五、隐藏层（Hidden Layer）

装不满的克莱因瓶

从梯度下降到 Adam 优化器：掌握神经网络参数优化的核心原理目录一、前言二、神经网络训练的本质三、什么是梯度四、梯度下降（Gradient Descent）五、梯度下降的缺陷

Product Hunt 每日热榜 | 2026-06-03标语：AI融资助手，帮助寻找投资者并安排会议。介绍：Fundraisly：终极筹款AI助手。它分析了超过30万个投资者和数百万个交易，识别出那些在你所在领域积极投资的相关人士，并通过你自身的网络为他们勾画出亲切的联系路径，剩下的则通过有针对性的冷邮件 outreach 来完成。最终，你将获得20到40个合格的投资者会议。这个工具由筹集超过10亿美元资金的创始人团队打造。

深度学习理论：从神经网络到Transformer—前馈网络、反向传播、注意力机制与训练深度学习研究的核心问题是：如何设计和训练多层非线性变换，使得机器能够从数据中自动学习有用的表示？这个问题可以分解为三个子问题：

卷积神经网络继神经网络（详见前馈神经网络）后，引入卷积神经网络。请根据《神经网络与深度学习-邱锡鹏》第五章卷积神经网络自行学习基础理论，此处仅作部分内容具体解释。 PDF资源链接：https://github.com/Sinon771/DeepLearning-Resource.git

装不满的克莱因瓶

基于 Python 进行二维空间线性可分数据单/多层感知器实战目录一、前言二、什么是二维空间线性可分数据三、感知器的数学模型四、构造二维分类数据集五、数据可视化六、训练单层感知器

深度学习面试八股——循环神经网络RNN大家好，这里是好评笔记，公主号：Goodnote，专栏文章私信限时Free。本文详细介绍面试过程中可能遇到的循环神经网络RNN知识点。

装不满的克莱因瓶

深度学习优化：使用深层神经网络来解决复杂任务目录一、前言二、深度学习优化的整体框架三、掌握常见的参数初始化方法3.1 为什么需要初始化3.2 常见初始化方法

人工智能研究所

字节开源 OmniShow：文本，图片，音频，人体姿态多输入，一键成片在众多视频生成模型中，大多数方法只能处理单一或有限的控制条件——要么只能“看图说话”，要么只能“对嘴型”，要么只能“照着姿势摆”。当我们真正想要同时控制人物的外貌、声音、动作和场景描述时，现有方法往往显得力不从心。

【LLM】第四章：项目实操案例：文本情感分析本案例是基于LSTM架构，搭建一个文本情感分析模型，对评论内容进行二分类判断(正面或负面)。说明：本篇是根据https://www.bilibili.com/video/BV1k44LzPEhU?spm_id_from=333.788.videopod.episodes&vd_source=b6780e06031ac609460f6fbf017bbb39&p=73 案例重构而成，致谢原作者！