• 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

RNN基本原理和RNN种类与实例

之前提到的CNN模型主要用到人类的视觉中枢,但其有一劣势,无论是人类的视觉神经还是听觉神经,所接受到的都是一个连续的序列,使用CNN相当于割裂了前后的联系。从而诞生了专门为处理序列的Recurrent Neural Network(RNN),每一个神经元除了当前信息的输入外,还有之前产生的记忆信息,保留序列依赖型。

  • 2023-02-27
  • 阅读232

循环神经网络(RNN)简介

循环神经网络英文名称为 (Recurrent Neural Network, RNN),其通过使用带自反馈的神经元,能够处理任意长度的时序数据。

  • 2023-02-27
  • 阅读222

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218

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221

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220

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243

机器学习4个常用超参数调试方法

ML工作流中最困难的部分之一是为模型找到最好的超参数。ML模型的性能与超参数直接相关。

  • 2023-02-26
  • 阅读246

一张图看懂半导体产业链、供应链、资本链、创新链

一张图看懂半导 体产业链、供应链、资本链、创新链

  • 2023-02-26
  • 阅读225
上一页 1 …… 213214215216217218219220221222223 …… 2193 下一页 共 17542 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