- LSTM 与序列标注任务 I. 引言序列标注任务是自然语言处理中的重要任务之一，包括命名实体识别（Named Entity Recognition, NER）、词性标注（Part-of-Speech Tagging, POS）等。长短期记忆网络（LSTM）作为一种能够处理序列数据的循环神经网络，在序列标注任务中得到了广泛应用。本文将深入探讨如何使用 LSTM 实现命名实体识别和词性标注等序... LSTM 与序列标注任务 I. 引言序列标注任务是自然语言处理中的重要任务之一，包括命名实体识别（Named Entity Recognition, NER）、词性标注（Part-of-Speech Tagging, POS）等。长短期记忆网络（LSTM）作为一种能够处理序列数据的循环神经网络，在序列标注任务中得到了广泛应用。本文将深入探讨如何使用 LSTM 实现命名实体识别和词性标注等序...
- LSTM在图像描述生成中的应用 I. 引言图像描述生成是指根据给定的图像内容生成对图像内容进行描述的自然语言句子。随着深度学习技术的发展，特别是长短期记忆网络（LSTM）的出现，图像描述生成进入了一个新的时代。本文将探讨如何利用 LSTM 实现图像描述生成任务，以及其在实践中的技术和应用。 II. LSTM 简介LSTM 原理：LSTM 是一种特殊的循环神经网络（RNN），它通过引入门控机... LSTM在图像描述生成中的应用 I. 引言图像描述生成是指根据给定的图像内容生成对图像内容进行描述的自然语言句子。随着深度学习技术的发展，特别是长短期记忆网络（LSTM）的出现，图像描述生成进入了一个新的时代。本文将探讨如何利用 LSTM 实现图像描述生成任务，以及其在实践中的技术和应用。 II. LSTM 简介LSTM 原理：LSTM 是一种特殊的循环神经网络（RNN），它通过引入门控机...
- LSTM 与传统 RNN 的比较分析 I. 引言循环神经网络（RNN）和长短期记忆网络（LSTM）都是处理序列数据的重要工具。本文将深入比较这两种网络的异同点，分析它们的优劣势，并通过实例展示它们在序列建模任务中的性能差异。 II. RNN 和 LSTM 的简介RNN：RNN 是一种经典的循环神经网络，具有循环连接，能够处理序列数据。它的隐藏状态在每个时间步都会更新，将当前时间步的输入和上... LSTM 与传统 RNN 的比较分析 I. 引言循环神经网络（RNN）和长短期记忆网络（LSTM）都是处理序列数据的重要工具。本文将深入比较这两种网络的异同点，分析它们的优劣势，并通过实例展示它们在序列建模任务中的性能差异。 II. RNN 和 LSTM 的简介RNN：RNN 是一种经典的循环神经网络，具有循环连接，能够处理序列数据。它的隐藏状态在每个时间步都会更新，将当前时间步的输入和上...
- I. 介绍在深度学习领域，误差反向传播（Backpropagation）是训练神经网络的核心算法之一。对于循环神经网络（RNN）的一种重要变体——长短期记忆网络（Long Short-Term Memory，简称 LSTM），误差反向传播同样是至关重要的。本文将深入解析 LSTM 网络中误差反向传播的过程以及参数更新机制，帮助读者更好地理解 LSTM 的训练原理和实现细节。 II. LST... I. 介绍在深度学习领域，误差反向传播（Backpropagation）是训练神经网络的核心算法之一。对于循环神经网络（RNN）的一种重要变体——长短期记忆网络（Long Short-Term Memory，简称 LSTM），误差反向传播同样是至关重要的。本文将深入解析 LSTM 网络中误差反向传播的过程以及参数更新机制，帮助读者更好地理解 LSTM 的训练原理和实现细节。 II. LST...
- 1.算法运行效果图预览优化前：优化后： 2.算法运行软件版本matlab2022a 3.算法理论概述 时间序列预测是许多领域中的核心问题，如金融市场分析、气候预测、交通流量预测等。近年来，深度学习在时间序列分析上取得了显著的成果，尤其是卷积神经网络（CNN）、长短时记忆网络（LSTM）和注意力机制（Attention）的结合使用。 3.1卷积神经网络（CNN）在时间序列中的应用 ... 1.算法运行效果图预览优化前：优化后： 2.算法运行软件版本matlab2022a 3.算法理论概述 时间序列预测是许多领域中的核心问题，如金融市场分析、气候预测、交通流量预测等。近年来，深度学习在时间序列分析上取得了显著的成果，尤其是卷积神经网络（CNN）、长短时记忆网络（LSTM）和注意力机制（Attention）的结合使用。 3.1卷积神经网络（CNN）在时间序列中的应用 ...
- 1.算法运行效果图预览2.算法运行软件版本MATLAB2022a 3.算法理论概述 时间序列预测是指利用历史数据来预测未来数据点或数据序列的任务。在时间序列分析中，数据点的顺序和时间间隔都是重要的信息。CNN+LSTM网络结合了卷积神经网络（CNN）的特征提取能力和长短时记忆网络（LSTM）的时序建模能力，用于处理具有复杂空间和时间依赖性的时间序列数据。 3.1 卷积神经网络（C... 1.算法运行效果图预览2.算法运行软件版本MATLAB2022a 3.算法理论概述 时间序列预测是指利用历史数据来预测未来数据点或数据序列的任务。在时间序列分析中，数据点的顺序和时间间隔都是重要的信息。CNN+LSTM网络结合了卷积神经网络（CNN）的特征提取能力和长短时记忆网络（LSTM）的时序建模能力，用于处理具有复杂空间和时间依赖性的时间序列数据。 3.1 卷积神经网络（C...
- I. 引言图像分类是计算机视觉领域中的重要任务，其目标是将输入图像分为不同的类别。卷积神经网络（CNN）作为图像分类任务中的重要算法，近年来取得了巨大成功。本文将深入探讨图像分类算法的演进过程，从传统的CNN到迁移学习的应用，通过实例和代码解释，带领读者理解算法原理和实践过程。 II. 卷积神经网络（CNN）的基础概念 1. 什么是卷积神经网络？卷积神经网络是一种深度学习算法，专门用于处理... I. 引言图像分类是计算机视觉领域中的重要任务，其目标是将输入图像分为不同的类别。卷积神经网络（CNN）作为图像分类任务中的重要算法，近年来取得了巨大成功。本文将深入探讨图像分类算法的演进过程，从传统的CNN到迁移学习的应用，通过实例和代码解释，带领读者理解算法原理和实践过程。 II. 卷积神经网络（CNN）的基础概念 1. 什么是卷积神经网络？卷积神经网络是一种深度学习算法，专门用于处理...
- 遇见您的私人法律顾问：智能法律大模型，智能解答您的法律困惑 遇见您的私人法律顾问：智能法律大模型，智能解答您的法律困惑
- 医疗大模型：数据+知识双轮驱动实现医学推理、医患问答、病历自动生成、临床决策，为未来医疗服务提供全新可能性 医疗大模型：数据+知识双轮驱动实现医学推理、医患问答、病历自动生成、临床决策，为未来医疗服务提供全新可能性
- 跨越千年医学对话：用AI技术解锁中医古籍知识，构建能够精准问答的智能语言模型，成就专业级古籍解读助手（LLAMA） 跨越千年医学对话：用AI技术解锁中医古籍知识，构建能够精准问答的智能语言模型，成就专业级古籍解读助手（LLAMA）
- @[toc] YOLOv5模型压缩方法：综述 摘要Model Compression Methods for YOLOv5: A Review (arxiv.org)在过去的几年里，广泛的研究致力于增强YOLO目标检测器。自YOLO提出以来，为了提高其准确性和效率，已经推出了8个主要版本。虽然YOLO的明显优点已被其在许多领域的广泛使用所取代，但将其部署在资源有限的设备上提出了挑战。为了解决... @[toc] YOLOv5模型压缩方法：综述 摘要Model Compression Methods for YOLOv5: A Review (arxiv.org)在过去的几年里，广泛的研究致力于增强YOLO目标检测器。自YOLO提出以来，为了提高其准确性和效率，已经推出了8个主要版本。虽然YOLO的明显优点已被其在许多领域的广泛使用所取代，但将其部署在资源有限的设备上提出了挑战。为了解决...
- 解决方法一用conda安装，用以下命令：conda install -c conda-forge lap 解决方法二用pip安装，用以下命令：pip install git+git://github.com/gatagat/lap.git@[toc] 摘要本专栏是讲解如何改进Yolov8的专栏。改进方法采用了最新的论文提到的方法。改进的方法包括：增加注意力机制、更换卷积、更换block、更... 解决方法一用conda安装，用以下命令：conda install -c conda-forge lap 解决方法二用pip安装，用以下命令：pip install git+git://github.com/gatagat/lap.git@[toc] 摘要本专栏是讲解如何改进Yolov8的专栏。改进方法采用了最新的论文提到的方法。改进的方法包括：增加注意力机制、更换卷积、更换block、更...
- @[toc] 摘要论文链接：https://arxiv.org/pdf/2301.01146.pdf本文的重点是在权衡参数、FLOPs和性能的同时，为密集预测开发现代、高效、轻量级的模型。倒立残差块(IRB)是轻量级CNN的基础结构，但在基于注意力的研究中还没有相应的基础结构。本文从高效IRB和Transformer的有效组件的统一角度重新思考轻量级基础架构，将基于CNN的IRB扩展到基于注... @[toc] 摘要论文链接：https://arxiv.org/pdf/2301.01146.pdf本文的重点是在权衡参数、FLOPs和性能的同时，为密集预测开发现代、高效、轻量级的模型。倒立残差块(IRB)是轻量级CNN的基础结构，但在基于注意力的研究中还没有相应的基础结构。本文从高效IRB和Transformer的有效组件的统一角度重新思考轻量级基础架构，将基于CNN的IRB扩展到基于注...
- Powerful-IoU更好、更快的收敛IoU，是一种结合了目标尺寸自适应惩罚因子和基于锚框质量的梯度调节函数的损失函数 Powerful-IoU更好、更快的收敛IoU，是一种结合了目标尺寸自适应惩罚因子和基于锚框质量的梯度调节函数的损失函数
- 更加聚焦的IoU损失Focaler-IoU，能够在不同的检测任务中聚焦不同的回归样本，使用线性区间映射的方法来重构IoU损失 二次创如何结合Shape IoU、MPDIoU、GIoU、DIoU、CIoU等 更加聚焦的IoU损失Focaler-IoU，能够在不同的检测任务中聚焦不同的回归样本，使用线性区间映射的方法来重构IoU损失 二次创如何结合Shape IoU、MPDIoU、GIoU、DIoU、CIoU等
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。
正在直播
热门标签