- 学习总结 （1）BP神经网络是现在很多深度学习网络的基础，前向传播和梯度下降求解loss损失函数，寻找最佳参数。 （2）防止过拟合：正则化，早停。 （3）防止进入局部极小值等：模拟退火or随机梯度下降。... 学习总结 （1）BP神经网络是现在很多深度学习网络的基础，前向传播和梯度下降求解loss损失函数，寻找最佳参数。 （2）防止过拟合：正则化，早停。 （3）防止进入局部极小值等：模拟退火or随机梯度下降。...
- 开源地址：没有预训练模型 https://github.com/kakaobrain/sparse-detr 论文下载：https://www.researchgate.net/profile/Mateusz-Piechocki-2/publication/350387516_Small_object_detection_and... 开源地址：没有预训练模型 https://github.com/kakaobrain/sparse-detr 论文下载：https://www.researchgate.net/profile/Mateusz-Piechocki-2/publication/350387516_Small_object_detection_and...
- 一、attention机制LSTM预测 1 总体框架 数字货币预测模型分为两部分，由LSTM模块和Attention模块组成。 2 LSTM模块 长短期记忆网络（LSTM）是一种特殊的递归神经网络（R... 一、attention机制LSTM预测 1 总体框架 数字货币预测模型分为两部分，由LSTM模块和Attention模块组成。 2 LSTM模块 长短期记忆网络（LSTM）是一种特殊的递归神经网络（R...
- 在上一篇已经搭建好了环境，这一偏先来体验一下一个简单的卷积网络。 一、手写数字识别 1.1 导入模块 import numpy as np from tensorflow import keras ... 在上一篇已经搭建好了环境，这一偏先来体验一下一个简单的卷积网络。 一、手写数字识别 1.1 导入模块 import numpy as np from tensorflow import keras ...
- 一、BP神经网络成像图像重建简介 1 BP神经网络的图像重建算法原理 在目前基于神经网络的图像重建算法中,网络的类型一般采用BP神经网络。BP网络是一种多层前馈神经网络,它采用后向传播算法,亦称BP算法... 一、BP神经网络成像图像重建简介 1 BP神经网络的图像重建算法原理 在目前基于神经网络的图像重建算法中,网络的类型一般采用BP神经网络。BP网络是一种多层前馈神经网络,它采用后向传播算法,亦称BP算法...
- 一、获取代码方式 获取代码方式1： 完整代码已上传我的资源：【水位预测】基于matlab径向基神经网络地下水位预测【含Matlab源码 1939期】 获取代码方式2： 通过订阅紫极神光博客付费专栏，凭... 一、获取代码方式 获取代码方式1： 完整代码已上传我的资源：【水位预测】基于matlab径向基神经网络地下水位预测【含Matlab源码 1939期】 获取代码方式2： 通过订阅紫极神光博客付费专栏，凭...
- 目录 旋转目标检测rotation-yolov5 旋转目标检测综述 SSA旋转目标检测 旋转目标检测rotation-yolov5 旋转目标检测rotation-yolov5笔记_AI视觉网奇的博客-CSDN博客_yolov5旋转目标检测 旋转目标检测综述 旋转目标检测综述（持续更新中）_杀生丸变大叔了的... 目录 旋转目标检测rotation-yolov5 旋转目标检测综述 SSA旋转目标检测 旋转目标检测rotation-yolov5 旋转目标检测rotation-yolov5笔记_AI视觉网奇的博客-CSDN博客_yolov5旋转目标检测 旋转目标检测综述 旋转目标检测综述（持续更新中）_杀生丸变大叔了的...
- 编译 | 王娜 审稿 | 王海云 本文介绍由美国加州大学圣地亚哥分校生物工程系Nathan E. Lewis通讯发表在 Nature Communications 的研究成果：作者介绍了Tensor-cell2cell，这是一种基于张量分解的无监督方法，它通过同时说明细胞的多个阶段、状态或位置来破译上下文驱动的细胞... 编译 | 王娜 审稿 | 王海云 本文介绍由美国加州大学圣地亚哥分校生物工程系Nathan E. Lewis通讯发表在 Nature Communications 的研究成果：作者介绍了Tensor-cell2cell，这是一种基于张量分解的无监督方法，它通过同时说明细胞的多个阶段、状态或位置来破译上下文驱动的细胞...
- 预训练模型1.1m 速度看起来还可以。 代码地址：https://github.com/dog-qiuqiu/FastestDet NetworkCOCO mAP(0.5)ResolutionRun Time(4xCore)Run Time(1xCore)FLOPs(G)Params(M)Yolo-FastestV1.124.40... 预训练模型1.1m 速度看起来还可以。 代码地址：https://github.com/dog-qiuqiu/FastestDet NetworkCOCO mAP(0.5)ResolutionRun Time(4xCore)Run Time(1xCore)FLOPs(G)Params(M)Yolo-FastestV1.124.40...
- 一、模糊神经网络水质预测简介 1 模糊神经网络 从整体结构框架上看, 两个输入一个输出, 它像一个神经网络;从功能上讲, 是一个模糊系统。模糊神经网络结构如图1所示, 此网络结构共分为5个层次, 它是一... 一、模糊神经网络水质预测简介 1 模糊神经网络 从整体结构框架上看, 两个输入一个输出, 它像一个神经网络;从功能上讲, 是一个模糊系统。模糊神经网络结构如图1所示, 此网络结构共分为5个层次, 它是一...
- edgenext_xx_small 这个模型权重20M edgenext_small_usi81.075.59M1.26Gmodeledgenext_small79.415.59M1.26Gmodeledgenext_x_small74.962.34M538Mmodeledgenext_xx_small71.231.33M... edgenext_xx_small 这个模型权重20M edgenext_small_usi81.075.59M1.26Gmodeledgenext_small79.415.59M1.26Gmodeledgenext_x_small74.962.34M538Mmodeledgenext_xx_small71.231.33M...
- 门控循环单元GRU： PyTorch入门——门控循环单元（GRU） - 知乎 门控循环单元（GRU） GRU与RNN的对比 RNN: RNN GRU: 重置门与更新门 更新候选隐状态 更新隐状态 GRU的从零开始实现 在RNN从零开始实现的基础上修改，主要的区别在模型定义部分 GRU相对RNN... 门控循环单元GRU： PyTorch入门——门控循环单元（GRU） - 知乎 门控循环单元（GRU） GRU与RNN的对比 RNN: RNN GRU: 重置门与更新门 更新候选隐状态 更新隐状态 GRU的从零开始实现 在RNN从零开始实现的基础上修改，主要的区别在模型定义部分 GRU相对RNN...
- 自05 王雨晨 一、 项目综述 本装置为本学年我所参加的SRT项目课题，由我与另一位自动化系大三学长合作完成（二人为共同一作）。本作品基于生活中常见的敲击不同液量的玻璃杯... 自05 王雨晨 一、 项目综述 本装置为本学年我所参加的SRT项目课题，由我与另一位自动化系大三学长合作完成（二人为共同一作）。本作品基于生活中常见的敲击不同液量的玻璃杯...
- 文章链接： https://arxiv.org/abs/2206.00843 项目链接： GitHub - RICE-EIC/DepthShrinker: [ICML 2022] "DepthShrinker: A New Compression Paradigm Towards Boosting Real-Har... 文章链接： https://arxiv.org/abs/2206.00843 项目链接： GitHub - RICE-EIC/DepthShrinker: [ICML 2022] "DepthShrinker: A New Compression Paradigm Towards Boosting Real-Har...
- 所要解决的问题 Resnet被证明能够扩展到数千层，并且仍然具有改进的性能。然而，每提高一个百分点的精确度，就要花费将近两倍的层数，因此训练非常深的Resnet存在着减少特征重用的问题，这使得这些网络的训练速度非常慢。为所以该篇论文提出了一种新的体系结构，减少了网络的深度，增加了网络的宽度，这种结构称为宽残差网络（WRN），宽度即网络... 所要解决的问题 Resnet被证明能够扩展到数千层，并且仍然具有改进的性能。然而，每提高一个百分点的精确度，就要花费将近两倍的层数，因此训练非常深的Resnet存在着减少特征重用的问题，这使得这些网络的训练速度非常慢。为所以该篇论文提出了一种新的体系结构，减少了网络的深度，增加了网络的宽度，这种结构称为宽残差网络（WRN），宽度即网络...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签