• 首页

  • 方案库

  • 工业品库

  • 招标项目库

  • 专家库

  • 人才库

会员中心
搜索
登录
注册
  • 方案名称

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
  • 全部
  • 人气排行
  • 下载排行
  • 页数排行
  • 最新排行

通俗讲解深度学习和神经网络

本篇文章主要面向产品、业务、运营人员等任何非技术人员通俗易懂地讲解什么是深度学习和神经网络,二者的联系和区别是什么。无需技术背景也可以有一个比较全面清晰的认识。同时也为为大家讲解TensorFlow、Caffe、Pytorch等深度学习框架和目前工业界深度学习应用比较广的领域。

  • 2023-02-26
  • 阅读231

一文精简介绍CNN神经网络

这是love1005lin在CSDN上2021-11-19发布的一篇深度学习的卷积神经网,内容整理的精简,移动,现在将其进行转载,供大家参考。

  • 2023-02-26
  • 阅读229

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231

神经网络的工作原理介绍

在机器学习和相关领域,人工神经网络的计算模型灵感正是来自生物神经网络:每个神经元与其他神经元相连,当它兴奋时,就会像相邻的神经元发送化学物质,从而改变这些神经元内的电位;如果某神经元的电位超过了一个阈值,那么它就会被激活(兴奋),向其他神经元发送化学物质。人工神经网络通常呈现为按照一定的层次结构连接起来的“神经元”,它可以从输入的计算值,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。并且它也被用于估计或可以依赖于大量的输入和一般的未知近似函数,来最大化的拟合现实中的实际数据,提高机器学习预测的精度。

  • 2023-02-26
  • 阅读211

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211

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208

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225

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219
上一页 1 …… 28232824282528262827282828292830283128322833 …… 2878 下一页 共 23017 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

竞争对手分析

母公司公司的总目标是什么?母公司要求该业务单位做什么?将业务单位的定位是什么(基础业务还是边缘业务)

  • 阅读221
  • 下载0

2025知识图谱与大模型融合实践案例集

随着人工智能的迅猛发展,知识图谱与大模型作为两大核心研究领域,各自彰显出独特的技术优势。知识图谱以结构化方式精准刻画实体关联,为知识表示与推理提供了可解释的框架;大模型则凭借海量数据训练展现出卓越的自然语言理解与生成能力,具备强大的泛化学习性能。

  • 阅读259
  • 下载4

国内重点工业物联网平台四类厂商分类及选型指南

国内重点工业物联网平台四类厂商分类及选型指南

  • 阅读387
  • 下载6

工业物联网平台的典型应用场景深度分析

工业物联网平台发展重点: 一是行业深耕化,从通用型平台向“一米宽、百米深”的行业垂直平台转型,聚焦能源、交通、化工等领域的特定需求,沉淀场景化解决方案与行业Know-how,而非追求“大而全”的覆盖能力。 二是智能融合化,工业大模型与平台深度结合,实现工业知识的智能化重构、应用开发的低代码化升级,以及生产运营的自感知、自决策、自优化闭环管控,AI成为提质增效的核心变量。 三是生态协同化,平台不再是单一技术载体,而是串联产业链上下游的协同中枢,通过跨系统数据融合、产学研用金深度合作,形成“数据-算力-应用”的生态闭环,赋能供应链协同与产业集群升级。 四是部署灵活化,采用“平台化产品+私有化部署”结合的模式,兼顾中小企业轻量化需求与大型集团定制化诉求,支持公有云、私有云、边缘端的混合部署,平衡成本与安全性。

  • 阅读400
  • 下载9

最新上线

2025中国多模态AI大模型座舱应用洞察研究报告

随着DeepSek等A大模型的快速普及以及座舱SoC芯片的持续迭代,智能座舱正加速迈向认知座舱阶段,实现了从功能堆叠向“少即是多”的智能化转变。车企和科技公司作为智能座舱生态的核心,通过合作研发与自主开发,推动多模态A大模型的广泛应用。其中,科技公司与传统车企合作研发的大模型多应用于自主品牌车型,通过强强联合实现生态互补;而新势力车企则更倾向于自主研发A大模型,逐步构建自有车型座舱大模型的数据和产业链闭环。

  • 阅读5
  • 下载0

华为IFS财经变革

公司对变革的总体指导思想 七个反对 反对完美主义,反对繁琐哲学,反对盲目的创新,反对没有全局效益提升的局部优化,反对没有全局观的干部主导变革,反对没有业务实践经验的人参加变革,反对没有充分论证的流程进行实用。

  • 阅读6
  • 下载0

2026面向行业的”云 AI“应用研究报告-AI行业云平台助力行业大模型应用落地

行业大模型正成为推动产业智能化升级的关键突破口。当前,人工智能正从技术探索迈向产业落地的关键阶段,随着“人工智能+”行动的深入推进,AI不再仅是实验室中的算法模型,而是驱动千行百业智能化升级的核心引擎。这一过程的实现不仅要求AI具备强大的通用能力,更强调其在具体行业场景中的专业性、可靠性和可落地性。由此,能够深度融合行业知识、理解业务逻辑、支撑关键决策的行业大模型正是在这一需求驱动下,逐渐演变为支撑行业智能化升级的关键引擎

  • 阅读6
  • 下载0

2025年中国出口新动能与企业信心指数报告

第一部分宏观经济与贸易形势回顾与展望 1.1.全球经济暗流涌动贸易格局多极博弈 2024年以来,伴随全球通胀持续降温,海外经济体相继进入降息周期,金融条件转向宽松,全球制造业景气逐步修复并开启补库周期,带动货物贸易回暖(图1.1)。从趋势上看,2024年下半年全球经济增长动能有所减弱,叠加美国大选、地缘政治不确定性加大,以及极端天气扰动等因素的影响,使得全球及欧美制造业景气出现收缩、补库存步伐放缓。但东盟、印度、巴西等新兴经济体制造业景气表现依然强劲,加之“全球南方”经济体经贸合作日趋紧密,全球贸易

  • 阅读5
  • 下载0
  • 关于我们

    电话:029-8838-6725

  • 新闻资讯

    企业简介 新闻动态 品牌实力 代理合作 诚聘英才 联系我们

  • 中服云

  • 工业互联网风向标

  • 在线咨询

西安/北京/南京/重庆/合肥/厦门/甘肃 地址:陕西省西安市雁塔区鱼跃工业园慧康生物科技产业园7楼 电话: 029-8838-6725

版权所有 @ 中服云 陕ICP备11002812号
  • 扫码咨询

    或

    点击立即咨询
  • 客服咨询

  • 用手机扫二维码

    或

    复制当前地址

  • 问题反馈 中服大讲堂 客服电话

方案库赚钱指南