会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

循环神经网络（RNN）简易教程

我们从以下问题开始 循环神经网络能解决人工神经网络和卷积神经网络存在的问题。 在哪里可以使用RNN？ RNN是什么以及它是如何工作的？ 挑战RNN的消梯度失和梯度爆炸 LSTM和GRU如何解决这些挑战 假设我们正在写一条信息“Let’s meet for___”，我们需要预测下一个单词是什么。下一个词可以是午餐、晚餐、早餐或咖啡。我们更容易根据上下文作出推论。假设我们知道我们是在下午开会，并且这些信息一直存在于我们的记忆中，那么我们就可以很容易地预测我们可能会在午餐时见面。 当我们需要处理需要在多个时间步上的序列数据时，我们使用循环神经网络（RNN）

  • 2023-02-27
  • 阅读317

一文搞懂RNN（循环神经网络）基础篇

他们都只能单独的取处理一个个的输入，前一个输入和后一个输入是完全没有关系的。但是，某些任务需要能够更好的处理序列的信息，即前面的输入和后面的输入是有关系的。 比如，当我们在理解一句话意思时，孤立的理解这句话的每个词是不够的，我们需要处理这些词连接起来的整个序列； 当我们处理视频的时候，我们也不能只单独的去分析每一帧，而要分析这些帧连接起来的整个序列。 以nlp的一个最简单词性标注任务来说，将我 吃 苹果 三个单词标注词性为 我/nn 吃/v 苹果/nn。

  • 2023-02-27
  • 阅读317

一文详解什么是RNN（循环神经网络）

循环神经网络的应用场景比较多，比如暂时能写论文，写程序，写诗，但是，（总是会有但是的），但是他们现在还不能正常使用，学习出来的东西没有逻辑，所以要想真正让它更有用，路还很远。

  • 2023-02-27
  • 阅读306

深度学习基础之----BN、LN、IN、GN、SN

？目录 深度学习中的归一化问题 BN(Batch Normalizatioon) BN为了解决什么问题？ BN的主要思想 BN伪代码 BN的使用位置 BN的优势 BN存在的问题 LN(Layer Normalization) LN为了解决什么问题？ LN的主要思想 LN的优势 IN(Instance Normalization) 为什么提出IN？ IN的做法 GN(Group Normalization) 为什么提出GN？ GN的主要思想 SN（Switchable Normalization）github 全网最详细、最全面、最易懂的normalization解读

  • 2023-02-27
  • 阅读338

下一代神经网络深度学习技术亮点梳理-换道chatGPT

对于领先的chatGPT，学习追赶chatGPT很重要，在追赶的同时我们也要拿一部分时间精力探索其他可能性，不然很难超越chatGPT 以AGI的终极目标为指引，加入新技术是个不错的尝试，新亮点很多

  • 2023-02-27
  • 阅读307

C++从零实现神经网络

既然是要用C++来实现，那么我们自然而然的想到设计一个神经网络类来表示神经网络，这里我称之为Net类。由于这个类名太过普遍，很有可能跟其他人写的程序冲突，所以我的所有程序都包含在namespace liu中，由此不难想到我姓刘。在之前的博客反向传播算法资源整理中，我列举了几个比较不错的资源。对于理论不熟悉而且学习精神的同学可以出门左转去看看这篇文章的资源。这里假设读者对于神经网络的基本理论有一定的了解。

  • 2023-02-27
  • 阅读314

CVPR2022|从原理和代码详解FAIR的惊艳之作：全新的纯卷积模型ConvNeXt

ConvNeXt 可以看做是把 Swin Transformer 包括 ViT 的所有特殊的设计集于一身之后的卷积网络进化版，升级了 ResNet 架构，看看借助了2020年代 CV 设计范式之后的卷积网络的性能极限在哪里。这篇工作在年初炸起了CV圈子里又一股讨论的浪潮，因此本文从更加详细的角度去解读和理解作者的思路.

  • 2023-02-27
  • 阅读305

如何看待第三代神经网络SNN？详解脉冲神经网络的架构原理、数据集和训练方法

脉冲神经网络 (SNN) ，旨在弥合神经科学和机器学习之间的差距，使用最拟合生物神经元机制的模型来进行计算，更接近生物神经元机制，但其实用价值却一直存在着争议。本文深入浅出的带大家学习和了解这一研究方向及其模型的训练过程。 >>加入极市CV技术交流群，走在计算机视觉的最前沿

  • 2023-02-27
  • 阅读320