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335

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324

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370

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327

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328

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326

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346

Hinton最新研究：神经网络的未来是前向-前向算法

过去十年，深度学习取得了惊人的胜利，用大量参数和数据做随机梯度下降的方法已经被证明是有效的。而梯度下降使用的通常是反向传播算法，所以一直以来，大脑是否遵循反向传播、是否有其它方式获得调整连接权重所需的梯度等问题都备受关注。

2023-02-27
阅读333

上一页 1 …… 3799 3800 3801 3802 3803 3804 3805 3806 3807 3808 3809 …… 16647 下一页共 133174 条



立即登录

没有账户，需要注册

登录用户可享受以下权益

免费下载方案
服币提现
发布方案得服币
交易分成

精品推荐

工业时序基础大模型技术发展综述

时序大模型是面向时间序列数据的基础大模型，以 Transformer 等架构为核心，通过在海量多领域时序数据上进行预训练，学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练，时序大模型具备强大的迁移能力，只需少量样本微调或零样本提示，即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中，它能够直接处理传感器、设备测点产生的海量时序信号，挖掘设备状态演变规律，支撑设备故障预警、工况识别与生产趋势预判，为工业智能落地提供底层模型能力。如：中服云的CServerAIR

阅读542
下载7

2026“人工智能+”行业发展蓝皮书

2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。

阅读2316
下载8

中服云能碳管理平台V5.0

中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。

阅读2758
下载12

中服设备健康管理系统产品介绍

中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。有效降低设备故障率、减少停机损失，简化线下运维管理流程。助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。

阅读2509
下载10

最新上线

人人都会Vibe Coding面向普通人开发者的科普与实用指南

Vibe Coding的真正意义，不是让所有人都变成传统意义上的程序员，而是让更多人能够把场景知识转化为可运行的软件，也让专业开发者可以用新的方式实现工作。自然语言降低了表达意图的门槛，工具和Skil扩展了AI的执行能力，反馈与验证则决定结果是否可靠。未来会出现更多由个人和小团队创造的长尾软件，也会出现更严格的工程治理。但无论工具怎样进步，选择解决什么问题、判断何时可以发布、决定系统使用范围和受众，这些关乎判断和责任的事，始终需要人来完成。

阅读39
下载0

智能体治理研究报告（2026年）

智能体治理是一项复杂的系统工程，需要政府、企业、学界、社会等多元主体协同参与。一是推动责任共担机制落地。明确基础能力提供者、技术支持者、产品分发者、服务运营者、使用者等各类主体的义务边界，推动供应链各环节的安全责任落实。鼓励行业组织制定自律公约和最佳实践指南，引导企业主动披露安全信息、参与协同治理。二是促进开放互联与公平竞争。

阅读45
下载1

信创云国产政务云解决方案

基于国产化软硬件技术栈，打造端到端全链路国产化、自主可控的信创云电脑解决方案，为企业用户提供高安全、高稳定性高效便捷的信创云电脑服务，满足大中小企业、行业用户的国产化安全办公需求。

阅读62
下载0

2026综合算力全景分析

全球算力产业正经历以人工智能为核心驱动力的深刻变革，智算供给能力实现快速扩容。算力规模方面，据中国信通院测算，截至2026年6月底，美国智算规模约10805EFLOPS(FP16，下同)，较2025年底增加约3105EFLOPS，2026上半年增速高达40.3%;国智算规模达到2185EFLOPS，较2025年上半年增加1397EFLOPS，增速高达177.3%，与美国共同构成全球智算扩张的两大主引擎。欧展方阳洲、日韩等发达经济体持续加大智算基础设施投入，智算底座建设稳步推进，全球智算供给格局加速演进。全球算力技术路线加速迭代，呈现多技术路径并行演进