- 本节书摘来自华章计算机《Keras深度学习实战》一书中的第3章，第3.2.1节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译. 本节书摘来自华章计算机《Keras深度学习实战》一书中的第3章，第3.2.1节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译.
- 本节书摘来自华章计算机《Keras深度学习实战》一书中的第3章，第3.1.1节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译. 本节书摘来自华章计算机《Keras深度学习实战》一书中的第3章，第3.1.1节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译.
- 本节书摘来自华章计算机《Keras深度学习实战》一书中的第2章，第2.9.2节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译. 本节书摘来自华章计算机《Keras深度学习实战》一书中的第2章，第2.9.2节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译.
- 本节书摘来自华章计算机《Keras深度学习实战》一书中的第2章，第2.6.2节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译. 本节书摘来自华章计算机《Keras深度学习实战》一书中的第2章，第2.6.2节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译.
- 本节书摘来自华章计算机《Keras深度学习实战》一书中的第2章，第2.6.1节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译. 本节书摘来自华章计算机《Keras深度学习实战》一书中的第2章，第2.6.1节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译.
- 本节书摘来自华章计算机《Keras深度学习实战》一书中的第2章，第2.5节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译. 本节书摘来自华章计算机《Keras深度学习实战》一书中的第2章，第2.5节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译.
- 本节书摘来自华章计算机《Keras深度学习实战》一书中的第2章，第2.1节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译 本节书摘来自华章计算机《Keras深度学习实战》一书中的第2章，第2.1节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译
- 本节书摘来自华章计算机《Keras深度学习实战》一书中的第1章，第1.2节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译。 本节书摘来自华章计算机《Keras深度学习实战》一书中的第1章，第1.2节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译。
- 本节书摘来自华章计算机《Keras深度学习实战》一书中的第1章，第1.1节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译。 本节书摘来自华章计算机《Keras深度学习实战》一书中的第1章，第1.1节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译。
- 摘要当大语言模型（LLM）的参数量以每年10倍的速度膨胀，当“涌现能力”成为各家技术白皮书的高频词汇，人工智能正站在一个微妙的十字路口。一边是通用人工智能（AGI）的狂热预言，另一边是算力耗散与商业闭环的现实拷问。本文试图剥离炒作，从信息论、规模法则（Scaling Law）与工程经济学的交叉视角，剖析当前AI发展的结构性困境，并提出“有效智能密度”这一新度量标准，为下一代AI系统的设计提供... 摘要当大语言模型（LLM）的参数量以每年10倍的速度膨胀，当“涌现能力”成为各家技术白皮书的高频词汇，人工智能正站在一个微妙的十字路口。一边是通用人工智能（AGI）的狂热预言，另一边是算力耗散与商业闭环的现实拷问。本文试图剥离炒作，从信息论、规模法则（Scaling Law）与工程经济学的交叉视角，剖析当前AI发展的结构性困境，并提出“有效智能密度”这一新度量标准，为下一代AI系统的设计提供...
- 工业装备在运行过程中，早期微弱故障的诊断一直是一项具有挑战性的任务。由于早期故障特征微弱且极易被背景噪声淹没，传统的诊断方法往往难以取得理想的效果。为了应对这一难题，发表在期刊 Structural Health Monitoring 上的论文《Deep exponential excitation networks: toward stronger attention mechanism ... 工业装备在运行过程中，早期微弱故障的诊断一直是一项具有挑战性的任务。由于早期故障特征微弱且极易被背景噪声淹没，传统的诊断方法往往难以取得理想的效果。为了应对这一难题，发表在期刊 Structural Health Monitoring 上的论文《Deep exponential excitation networks: toward stronger attention mechanism ...
- 在工业生产中，旋转机械如齿轮箱和轴承等部件长期运行在恶劣的环境下，其振动信号往往夹杂着大量的背景噪声。传统的信号分析和深度学习方法在面对强噪声干扰时，特征提取能力往往会显著下降，导致故障诊断精度受限。为了应对这一挑战，学术界提出了一种新型的深度学习架构。发表在《IEEE Transactions on Industrial Informatics》上的论文 "Deep Residual Sh... 在工业生产中，旋转机械如齿轮箱和轴承等部件长期运行在恶劣的环境下，其振动信号往往夹杂着大量的背景噪声。传统的信号分析和深度学习方法在面对强噪声干扰时，特征提取能力往往会显著下降，导致故障诊断精度受限。为了应对这一挑战，学术界提出了一种新型的深度学习架构。发表在《IEEE Transactions on Industrial Informatics》上的论文 "Deep Residual Sh...
- 在复杂工业设备的故障诊断领域，纯粹的数据驱动方法往往因为缺乏物理机理支撑而面临黑盒困境，导致决策过程难以被工程师信任。为了解决这一痛点，最新发表的一项研究提出了名为热力学仿真辅助随机森林（TSRF）的架构。该研究在论文《Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of... 在复杂工业设备的故障诊断领域，纯粹的数据驱动方法往往因为缺乏物理机理支撑而面临黑盒困境，导致决策过程难以被工程师信任。为了解决这一痛点，最新发表的一项研究提出了名为热力学仿真辅助随机森林（TSRF）的架构。该研究在论文《Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of...
- 随着电商购物中消费者以“图片”作为咨询入口的场景日益普遍（如晒单求同款、截图问参数、拍照反馈售后问题），传统文本机器人因无法理解图片而大量漏回复或答非所问。语流Agent基于多模态大模型与OCR技术，将图片识别作为标准标品能力全量交付，无需定制开发，开箱即用。本文档系统介绍该能力的功能框架、核心场景、技术优势、覆盖范围及常见问题，为产品选型与内部评估提供全面参考。一、能力概览（标品全量交付）... 随着电商购物中消费者以“图片”作为咨询入口的场景日益普遍（如晒单求同款、截图问参数、拍照反馈售后问题），传统文本机器人因无法理解图片而大量漏回复或答非所问。语流Agent基于多模态大模型与OCR技术，将图片识别作为标准标品能力全量交付，无需定制开发，开箱即用。本文档系统介绍该能力的功能框架、核心场景、技术优势、覆盖范围及常见问题，为产品选型与内部评估提供全面参考。一、能力概览（标品全量交付）...
- 航空发动机作为飞机的核心部件，其运行安全直接关系到飞行安全。为了保障发动机的安全运行，提前检测出潜在的异常是一项至关重要的任务。然而，在实际运行中，由于发动机大部分时间处于正常状态，所收集的数据存在严重的类别不平衡问题，且早期异常数据与正常数据高度相似，导致严重的类别重叠。针对这一挑战，最新发表在《Computers in Industry》上的论文《Deep attention SMOTE... 航空发动机作为飞机的核心部件，其运行安全直接关系到飞行安全。为了保障发动机的安全运行，提前检测出潜在的异常是一项至关重要的任务。然而，在实际运行中，由于发动机大部分时间处于正常状态，所收集的数据存在严重的类别不平衡问题，且早期异常数据与正常数据高度相似，导致严重的类别重叠。针对这一挑战，最新发表在《Computers in Industry》上的论文《Deep attention SMOTE...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第三期2026/08/21 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；念擎-华为云AI开发者运营案例开发专家
本期直播内容：AI六层能力首次详细解读 + 新一代华为云开发者空间亮相 + 校园案例直播带练
回顾中
热门标签