- ShuffleNet是一种轻量级的深度学习模型，它在保持MobileNet的Depthwise Separable Convolution（深度可分离卷积）的基础上，引入了通道混合（Channel Shuffle）机制，以进一步提升模型的性能和效率。 一、ShuffleNet架构详解 1. 通道混合机制(Channel Shuffle)通道混合是ShuffleNet的核心创新之一。在深度学习... ShuffleNet是一种轻量级的深度学习模型，它在保持MobileNet的Depthwise Separable Convolution（深度可分离卷积）的基础上，引入了通道混合（Channel Shuffle）机制，以进一步提升模型的性能和效率。 一、ShuffleNet架构详解 1. 通道混合机制(Channel Shuffle)通道混合是ShuffleNet的核心创新之一。在深度学习...
- 基于四种网络结构的WISDM数据集仿真及对比：Resnet、LSTM、Shufflenet及CNN 基于四种网络结构的WISDM数据集仿真及对比：Resnet、LSTM、Shufflenet及CNN
- CNN网络训练WISDM数据集：模型仿真及可视化分析 CNN网络训练WISDM数据集：模型仿真及可视化分析
- 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） a=2*(1-(t/Iters)); for i=1:Num for j=1:dim r1 = rand; r2 = rand; ... 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） a=2*(1-(t/Iters)); for i=1:Num for j=1:dim r1 = rand; r2 = rand; ...
- 前言 transformer是目前NLP甚至是整个深度学习领域不能不提到的框架，同时大部分LLM也是使用其进行训练生成模型，所以transformer几乎是目前每一个机器人开发者或者人工智能开发者不能越过的一个框架。接下来本文将从顶层往下去一步步掀开transformer的面纱。 transformer概述 Transformer模型来自论文Attention Is All You Need 前言 transformer是目前NLP甚至是整个深度学习领域不能不提到的框架，同时大部分LLM也是使用其进行训练生成模型，所以transformer几乎是目前每一个机器人开发者或者人工智能开发者不能越过的一个框架。接下来本文将从顶层往下去一步步掀开transformer的面纱。 transformer概述 Transformer模型来自论文Attention Is All You Need
- 1.算法运行效果图预览(完整程序运行后无水印) T表示温度，v表示风速，h表示模型厚度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）for i = 1:13; figure; subplot(211); plot(y1{i},'ro'); hold on plot(Train_output1{i},'b'... 1.算法运行效果图预览(完整程序运行后无水印) T表示温度，v表示风速，h表示模型厚度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）for i = 1:13; figure; subplot(211); plot(y1{i},'ro'); hold on plot(Train_output1{i},'b'...
- 摘要在本文中，我们创新性地将ACConv2d模块引入到YoloV10目标检测模型中，通过对YoloV10中原有的Conv卷积层进行替换，实现了模型性能的大幅提升。ACConv2d模块基于不对称卷积块（ACB）的设计思想，利用1D非对称卷积（1×3和3×1卷积）来增强标准方形卷积核（如3×3卷积）的表征能力。这一创新不仅增强了模型的特征提取能力，还通过引入分组卷积的策略进一步降低了运算量，从... 摘要在本文中，我们创新性地将ACConv2d模块引入到YoloV10目标检测模型中，通过对YoloV10中原有的Conv卷积层进行替换，实现了模型性能的大幅提升。ACConv2d模块基于不对称卷积块（ACB）的设计思想，利用1D非对称卷积（1×3和3×1卷积）来增强标准方形卷积核（如3×3卷积）的表征能力。这一创新不仅增强了模型的特征提取能力，还通过引入分组卷积的策略进一步降低了运算量，从...
- @[toc] 摘要https://arxiv.org/pdf/2308.12216.pdfVision Transformer在各种视觉任务中取得了令人印象深刻的成功。然而，其繁重的计算成本(计算成本和token序列长度的增长呈二次关系)在很大程度上限制了其处理大型特征图的能力。为降低计算成本，已有工作要么依赖局限于局部小区域的细粒度自注意力，要么依赖于全局自注意力，但却缩短了序列长度，导致... @[toc] 摘要https://arxiv.org/pdf/2308.12216.pdfVision Transformer在各种视觉任务中取得了令人印象深刻的成功。然而，其繁重的计算成本(计算成本和token序列长度的增长呈二次关系)在很大程度上限制了其处理大型特征图的能力。为降低计算成本，已有工作要么依赖局限于局部小区域的细粒度自注意力，要么依赖于全局自注意力，但却缩短了序列长度，导致...
- @[toc] 摘要代码链接：https://github.com/cheng-haha/ScConv论文链接：https://openaccess.thecvf.com/content/CVPR2023/papers/Li_SCConv_Spatial_and_Channel_Reconstruction_Convolution_for_Feature_Redundancy_CVPR_202... @[toc] 摘要代码链接：https://github.com/cheng-haha/ScConv论文链接：https://openaccess.thecvf.com/content/CVPR2023/papers/Li_SCConv_Spatial_and_Channel_Reconstruction_Convolution_for_Feature_Redundancy_CVPR_202...
- 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） LR = woa_idx(1);numHiddenUnits1 = floor(woa_idx(2))+1;% 定义隐藏层中LSTM单元的数量numHiddenUnits2 = floor(woa_idx(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） LR = woa_idx(1);numHiddenUnits1 = floor(woa_idx(2))+1;% 定义隐藏层中LSTM单元的数量numHiddenUnits2 = floor(woa_idx(3))...
- Nature Medicine：基于图像的深度学习和语言模型用于原发性糖尿病护理 介绍在《Nature Medicine》杂志上，研究人员提出了一种结合图像深度学习和语言模型的新方法，用于原发性糖尿病护理。此方法通过分析患者的医学影像和医疗记录，实现早期诊断、个体化治疗方案设计以及病情监控。 应用使用场景早期诊断： 通过分析患者的眼底照片等医学影像，早期发现糖尿病视网膜病变等并发症。个体化... Nature Medicine：基于图像的深度学习和语言模型用于原发性糖尿病护理 介绍在《Nature Medicine》杂志上，研究人员提出了一种结合图像深度学习和语言模型的新方法，用于原发性糖尿病护理。此方法通过分析患者的医学影像和医疗记录，实现早期诊断、个体化治疗方案设计以及病情监控。 应用使用场景早期诊断： 通过分析患者的眼底照片等医学影像，早期发现糖尿病视网膜病变等并发症。个体化...
- 情感分析（Sentiment Analysis）是自然语言处理（NLP）的一个重要应用领域，广泛应用于社交媒体监控、市场情报、客户反馈分析等场景中。随着语言模型的发展，情感分析的效果得到了极大提升。现代的情感分析系统能够基于深度学习模型，自动识别文本中的情感倾向，如正面、负面或中性。本文将详细探讨语言建模与情感分析的关系，并通过实例代码展示如何构建一个高效的情感分析系统。I. 语言建模与情感... 情感分析（Sentiment Analysis）是自然语言处理（NLP）的一个重要应用领域，广泛应用于社交媒体监控、市场情报、客户反馈分析等场景中。随着语言模型的发展，情感分析的效果得到了极大提升。现代的情感分析系统能够基于深度学习模型，自动识别文本中的情感倾向，如正面、负面或中性。本文将详细探讨语言建模与情感分析的关系，并通过实例代码展示如何构建一个高效的情感分析系统。I. 语言建模与情感...
- 项目背景随着自然语言处理（NLP）技术的飞速发展，语言模型在生成高质量文本方面的能力得到了显著提升。尤其是基于深度学习的语言模型，如GPT-3，已经在文本生成领域展现出令人惊叹的创造力和实用性。这些模型不仅可以生成连贯且语法正确的文本，还可以模仿不同风格和主题进行写作。本文将详细探讨语言模型在文本生成中的应用，特别是在创造性写作中的潜力和实现方法，并提供相关的代码示例。I. 语言模型简介A.... 项目背景随着自然语言处理（NLP）技术的飞速发展，语言模型在生成高质量文本方面的能力得到了显著提升。尤其是基于深度学习的语言模型，如GPT-3，已经在文本生成领域展现出令人惊叹的创造力和实用性。这些模型不仅可以生成连贯且语法正确的文本，还可以模仿不同风格和主题进行写作。本文将详细探讨语言模型在文本生成中的应用，特别是在创造性写作中的潜力和实现方法，并提供相关的代码示例。I. 语言模型简介A....
- 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） %调整参数 c1 = 2-t*((1)/300); c2 =-1+t*((-1)/300); %位置更新 for i=1:Num r1 = rand(); r2 ... 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） %调整参数 c1 = 2-t*((1)/300); c2 =-1+t*((-1)/300); %位置更新 for i=1:Num r1 = rand(); r2 ...
- 项目背景在自然语言处理（NLP）领域，语言模型是非常重要的工具。它们被用于各种任务，包括但不限于文本生成、机器翻译、情感分析和信息检索。近年来，随着深度学习技术的发展，语言模型的性能取得了显著提升。特别是像GPT-3这样的预训练模型展示了其强大的生成和理解能力。然而，对于一些特定任务或领域，使用通用的预训练模型可能无法达到最佳效果。因此，训练一个定制的语言模型变得尤为重要。本篇博客将详细介绍... 项目背景在自然语言处理（NLP）领域，语言模型是非常重要的工具。它们被用于各种任务，包括但不限于文本生成、机器翻译、情感分析和信息检索。近年来，随着深度学习技术的发展，语言模型的性能取得了显著提升。特别是像GPT-3这样的预训练模型展示了其强大的生成和理解能力。然而，对于一些特定任务或领域，使用通用的预训练模型可能无法达到最佳效果。因此，训练一个定制的语言模型变得尤为重要。本篇博客将详细介绍...
上滑加载中
推荐直播
-
香橙派AIpro的远程推理框架与实验案例2025/07/04 周五 19:00-20:00
郝家胜 -华为开发者布道师-高校教师
AiR推理框架创新采用将模型推理与模型应用相分离的机制，把香橙派封装为AI推理黑盒服务，构建了分布式远程推理框架，并提供多种输入模态、多种输出方式以及多线程支持的高度复用框架，解决了开发板环境配置复杂上手困难、缺乏可视化体验和资源稀缺课程受限等痛点问题，真正做到开箱即用，并支持多种笔记本电脑环境、多种不同编程语言，10行代码即可体验图像分割迁移案例。
回顾中 -
鸿蒙端云一体化应用开发2025/07/10 周四 19:00-20:00
倪红军 华为开发者布道师-高校教师
基于鸿蒙平台终端设备的应用场景越来越多、使用范围越来越广。本课程以云数据库服务为例，介绍云侧项目应用的创建、新建对象类型、新增存储区及向对象类型中添加数据对象的方法，端侧（HarmonyOS平台）一体化工程项目的创建、云数据资源的关联方法及对云侧数据的增删改查等操作方法，为开发端云一体化应用打下坚实基础。
即将直播
热门标签