- ASK-HAR：多尺度特征提取的深度学习模型 ASK-HAR：多尺度特征提取的深度学习模型
- 在 .NET 9 下使用 TensorFlow.NET 构建卷积神经网络 (CNN) 识别手写数字 介绍TensorFlow.NET 是一个 .NET 库，使您能够在 .NET 环境中使用 TensorFlow，提供类似 Python 的 API。通过它，我们可以在 .NET 中实现深度学习模型，如卷积神经网络（CNN）来处理图像分类任务，例如 MNIST 手写数字识别。 应用使用场景数字... 在 .NET 9 下使用 TensorFlow.NET 构建卷积神经网络 (CNN) 识别手写数字 介绍TensorFlow.NET 是一个 .NET 库，使您能够在 .NET 环境中使用 TensorFlow，提供类似 Python 的 API。通过它，我们可以在 .NET 中实现深度学习模型，如卷积神经网络（CNN）来处理图像分类任务，例如 MNIST 手写数字识别。 应用使用场景数字...
- Python从0到100（八十五）：神经网络-使用迁移学习完成猫狗分类 Python从0到100（八十五）：神经网络-使用迁移学习完成猫狗分类
- CIR-DFENet：结合跨模态图像表示和双流特征增强网络进行活动识别 CIR-DFENet：结合跨模态图像表示和双流特征增强网络进行活动识别
- 低资源环境中的扩散模型优化：减少计算资源的生成方法在人工智能生成内容（AIGC）领域，扩散模型（Diffusion Models）凭借其卓越的生成能力，成为了近年来备受关注的生成模型之一。尽管其在图像生成、文本生成等领域表现出了极大的潜力，但扩散模型的计算开销较大，这使得其在低资源环境中应用时遇到了巨大的挑战。本文将探讨在低资源环境下，如何优化扩散模型的计算资源使用，减少其对硬件的依赖，并... 低资源环境中的扩散模型优化：减少计算资源的生成方法在人工智能生成内容（AIGC）领域，扩散模型（Diffusion Models）凭借其卓越的生成能力，成为了近年来备受关注的生成模型之一。尽管其在图像生成、文本生成等领域表现出了极大的潜力，但扩散模型的计算开销较大，这使得其在低资源环境中应用时遇到了巨大的挑战。本文将探讨在低资源环境下，如何优化扩散模型的计算资源使用，减少其对硬件的依赖，并...
- 全连接神经网络（Fully Connected Neural Network，简称 FCNN 或简称为全连接层）是一种人工神经网络结构，是深度学习中最为基础和核心的模型之一。全连接神经网络的基本特性是每一层的神经元与其前一层的所有神经元相连接，这种全连接的特性使得网络可以进行复杂的特征抽取和非线性变换，从而使模型具备较强的表达能力。 1. 什么是全连接神经网络？全连接神经网络是一种经典的前馈... 全连接神经网络（Fully Connected Neural Network，简称 FCNN 或简称为全连接层）是一种人工神经网络结构，是深度学习中最为基础和核心的模型之一。全连接神经网络的基本特性是每一层的神经元与其前一层的所有神经元相连接，这种全连接的特性使得网络可以进行复杂的特征抽取和非线性变换，从而使模型具备较强的表达能力。 1. 什么是全连接神经网络？全连接神经网络是一种经典的前馈...
- 卷积核（Convolutional Kernel）或称为过滤器（Filter）是卷积神经网络（Convolutional Neural Networks, CNNs）中的一个关键组成部分。卷积核是一个小型矩阵，通常用来在输入数据上滑动，从而对其进行卷积运算。卷积核的主要作用是提取输入数据中的特征，通过逐点与输入矩阵的元素进行加权求和，卷积核可以看作是一种滤波器，用来识别输入数据中的某些特定模... 卷积核（Convolutional Kernel）或称为过滤器（Filter）是卷积神经网络（Convolutional Neural Networks, CNNs）中的一个关键组成部分。卷积核是一个小型矩阵，通常用来在输入数据上滑动，从而对其进行卷积运算。卷积核的主要作用是提取输入数据中的特征，通过逐点与输入矩阵的元素进行加权求和，卷积核可以看作是一种滤波器，用来识别输入数据中的某些特定模...
- 卷积操作（Convolution Operation）是信号处理、计算机视觉和机器学习等领域中的核心概念之一，其重要性在于它能够将输入信号与某一特定的核（即滤波器）进行组合，从而提取输入数据中的有意义特征。在深度学习中，尤其是卷积神经网络（Convolutional Neural Networks, CNNs）中，卷积操作在提取图像、视频等数据中的空间特征方面，发挥了极其重要的作用。 一、卷... 卷积操作（Convolution Operation）是信号处理、计算机视觉和机器学习等领域中的核心概念之一，其重要性在于它能够将输入信号与某一特定的核（即滤波器）进行组合，从而提取输入数据中的有意义特征。在深度学习中，尤其是卷积神经网络（Convolutional Neural Networks, CNNs）中，卷积操作在提取图像、视频等数据中的空间特征方面，发挥了极其重要的作用。 一、卷...
- 使用深度强化学习（DRL）来创建一个用于买卖股piao的神经网络。我们将使用库来模拟环境，并使用stable-baselines3库来实现DRL算法。安装依赖首先，你需要安装一些必要的库：pip install gym stable-baselines3 numpy pandas创建股市交易环境我们先创建一个简单的股市交易环境。这个环境将模拟股票价格的变化，并允许代理进行买入和卖出操作。im... 使用深度强化学习（DRL）来创建一个用于买卖股piao的神经网络。我们将使用库来模拟环境，并使用stable-baselines3库来实现DRL算法。安装依赖首先，你需要安装一些必要的库：pip install gym stable-baselines3 numpy pandas创建股市交易环境我们先创建一个简单的股市交易环境。这个环境将模拟股票价格的变化，并允许代理进行买入和卖出操作。im...
- 时序预测 | 改进图卷积+informer时间序列预测，pytorch架构 时序预测 | 改进图卷积+informer时间序列预测，pytorch架构
- Transformer-GRU+NSGAII工艺参数优化、工程设计优化 Transformer-GRU+NSGAII工艺参数优化、工程设计优化
- 基于HO-CNN-BiLSTM-Attention、CNN-BiLSTM-Attention、HO-CNN-BiLSTM、BiCNN-LSTM四模型多变量时序预测一键对比(仅运行一个main即可) Matlab代码，每个模型的预测结果和组合对比结果都有! 1.无需繁琐步骤，只需要运行一个main即可一键出所有图像。 2.程序已经调试好，无需更改代码替换数据集即可运行!!!数据格式为excel 基于HO-CNN-BiLSTM-Attention、CNN-BiLSTM-Attention、HO-CNN-BiLSTM、BiCNN-LSTM四模型多变量时序预测一键对比(仅运行一个main即可) Matlab代码，每个模型的预测结果和组合对比结果都有! 1.无需繁琐步骤，只需要运行一个main即可一键出所有图像。 2.程序已经调试好，无需更改代码替换数据集即可运行!!!数据格式为excel
- 深度神经网络中的模型压缩与加速技术随着深度学习技术的快速发展，深度神经网络（DNN）在计算机视觉、自然语言处理、语音识别等领域的表现已经达到甚至超越人类水平。然而，随着模型的复杂度不断增加，计算和存储的需求也变得愈加庞大，特别是在移动设备、嵌入式系统等资源受限的环境中，如何高效部署深度神经网络成为一个亟待解决的问题。为了应对这一挑战，模型压缩和加速技术应运而生，它们通过减小模型体积、减少计... 深度神经网络中的模型压缩与加速技术随着深度学习技术的快速发展，深度神经网络（DNN）在计算机视觉、自然语言处理、语音识别等领域的表现已经达到甚至超越人类水平。然而，随着模型的复杂度不断增加，计算和存储的需求也变得愈加庞大，特别是在移动设备、嵌入式系统等资源受限的环境中，如何高效部署深度神经网络成为一个亟待解决的问题。为了应对这一挑战，模型压缩和加速技术应运而生，它们通过减小模型体积、减少计...
- 生成对抗网络（GAN）通过生成器与判别器的对抗学习，实现了数据生成和处理的革命性变革。生成器从噪声中创造逼真样本，判别器则判断数据真假。两者在训练中不断优化，最终达到纳什均衡。影响协作效率的关键因素包括网络架构设计、损失函数选择和超参数设置。采用先进的架构如DCGAN、优化损失函数如WGAN，并动态调整训练策略，可显著提升生成器与判别器的协作效果，推动GAN在图像生成、风格迁移等领域的应用发展。 生成对抗网络（GAN）通过生成器与判别器的对抗学习，实现了数据生成和处理的革命性变革。生成器从噪声中创造逼真样本，判别器则判断数据真假。两者在训练中不断优化，最终达到纳什均衡。影响协作效率的关键因素包括网络架构设计、损失函数选择和超参数设置。采用先进的架构如DCGAN、优化损失函数如WGAN，并动态调整训练策略，可显著提升生成器与判别器的协作效果，推动GAN在图像生成、风格迁移等领域的应用发展。
- 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本matlab2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）[V,I] = min(JJ);g1 = phen1(I,:); LR = g1(1);NN1 = floor(g1(2))+1; if g1(3)<1/3 x1=4;endif g1(3... 1.算法运行效果图预览(完整程序运行后无水印)2.算法运行软件版本matlab2022a 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）[V,I] = min(JJ);g1 = phen1(I,:); LR = g1(1);NN1 = floor(g1(2))+1; if g1(3)<1/3 x1=4;endif g1(3...
上滑加载中
推荐直播
-
华为云码道-AI时代应用开发利器2026/03/18 周三 19:00-20:00
童得力，华为云开发者生态运营总监/姚圣伟，华为云HCDE开发者专家
本次直播由华为专家带你实战应用开发，看华为云码道(CodeArts)代码智能体如何在AI时代让你的创意应用快速落地。更有华为云HCDE开发者专家带你用码道玩转JiuwenClaw，让小艺成为你的AI助理。
回顾中 -
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中
热门标签