- 综合排序
- 最热优先
- 最新优先
- 来自专栏SuperFeng
机器学习系列11：神经网络
什么是神经网络（Neural Networks）呢？最开始科学家想用算法去模拟大脑达到人工智能。通过一系列的实验发现，大脑是通过神经元进行工作的，神经元之间通过电信号传递信息。 于是他们就开始模拟神经元的工作过程，用算法去模拟神经元，这就形成了神经网络。神经网络可以用来学习复杂的非线性假设模型。 那么现在一个神经元模拟好了，但是大脑肯定不是靠一个神经元工作的，现在开始模拟多个神经元的工作过程，如下图： ? 其中 Layer 1 层模拟输入信号，连线代表信号传递的方向。 每一个神经元也就是假设函数 h_θ(x) 的构造如下： ? ? 表示第 j 层第 i 个神经元。 ? 表示第 j 层神经元的参数矩阵。 类似地，神经网络的代价函数如下： ? 其中： L = 神经网络的层数； S_l= l 层有多少个单元； K = 输出单元的数目。 乍一眼看上去挺复杂，其实类比逻辑回归的代价函数来看，思想都是一样的。
53030发布于 2019-09-26 - 来自专栏点滴科技资讯
全球11家金融科技颠覆性企业
CNBC评选出了全球最具颠覆性的50家企业Disruptor 50，其中值得注意的是有11家金融科技公司，本文就列出了这11家金融科技颠覆性企业的基本情况和主要业务。 这就是为什么在 CNBC 的年度Disruptor 50名单中看到如此多的金融科技公司并不奇怪。 尽管多年来已逐渐成熟，但金融科技仍在继续产生创新并改变人们与金融交互的方式。 考虑到这一点，以下是进入 CNBC 名单的 11 家公司。 有些已经很成熟，有些相对较新的进入者可能会引起你所不知道的巨大轰动。对于银行和信用合作社的高管来说，所有这些都非常重要，需要密切关注。 它目前的估值超过 150 亿美元，成为全球最有价值的金融科技公司之一。 保险科技之星 保险科技可能不像金融科技那样“炙手可热”，但该领域有几家颠覆性公司。上榜 CNBC 榜单的是位于达拉斯的Bestow，该公司旨在彻底改变人寿保险，让消费者更容易获得保单。
2.3K20编辑于 2022-06-28 - 来自专栏机器学习之禅
11 | PyTorch使用nn模块、手工实现神经网络
上一小节对神经网络有了基本的了解，这一小节就看一下如何用代码来实现一个神经网络。 我们所用的案例还是那个温度转换的案例，只不过需要我们把之前的线性模型替换成神经网络模型，并重新训练以找到适合神经网络的权重。 ，目的是把数据转化成单个的样本，如果这里不太明白不要紧，后面会讲 t_u = torch.tensor(t_u).unsqueeze(1) t_u.shape outs: torch.Size([11 就像我们开头的代码里缩写的 t_c = torch.tensor(t_c).unsqueeze(1) 我们用了unsqueeze方法给数据进行升维，升维完成之后就成了一个11 * 1的tensor。 output tensor([[-1.5225], [12.1985]], grad_fn=<AddmmBackward0>) answer tensor([[-4.], [11
64420编辑于 2022-07-11 - 来自专栏点滴科技资讯
这11家德国早期科技型企业值得关注
德国是全球重要的高科技市场。在2015年，德国的科技创业企业退出数量位居第五位，而且德国培育出一批优秀的创业企业，也吸引了很多全球投资机构。 CB Insights的数据表明，这11家德国早期科技型企业值得关注。这11家企业都是在2015年4月以后募集了资金，但是还没有完成B轮融资。 我们使用Mosaic算法选择出了这11家公司（该算法有3个组成部分，从融资，产业类别和发展业绩三个方面衡量公司情况）。 排名第一位的创业企业是relayr，一家专注于物联网软件的创业企业，目前融资规模为1350万美元，成为这11家公司中融资最多的。 以下就是德国的11家创业企业。
3.4K30发布于 2018-04-28 - 来自专栏PyVision
11种主要神经网络结构图解
---- 标准网络 1 | 感知器（Perceptron） 感知器是所有神经网络中最基本的，也是更复杂的神经网络的基本组成部分。它只连接一个输入神经元和一个输出神经元。 ? 神经元的连通性和权重是随机分配的，忽略层和神经元的差异(跳过连接)。通过学习输出神经元的权重，使网络能够产生和再现特定的时间模式。 8 | 反卷积神经网络(Deconvolutional Neural Network/DNN) 正如它的名字所暗示的那样，反卷积神经网络与卷积神经网络操作相反。 11 | 变分自动编码器(Variational Auto Encoder/VAE) 自动编码器学习一个输入（可以是图像或文本序列）的压缩表示，例如，压缩输入，然后解压缩回来匹配原始输入，而变分自动编码器学习表示的数据的概率分布的参数 原文：https://towardsdatascience.com/11-essential-neural-network-architectures-visualized-explained-7fc7da3486d8
9.6K20发布于 2020-09-02 - 来自专栏IT技术分享社区
科技资讯：微软公布Windows 11史上最详细性能修复计划
长久以来，关于Windows 11性能的吐槽似乎从未停止。从居高不下的内存占用、恼人的界面延迟，到反应迟钝的文件资源管理器和不太可靠的搜索功能，用户的耐心似乎正在被一点点耗尽。 微软近日罕见地发布了一份详尽的“承诺书”，誓言要从根本上解决Windows 11的性能和可靠性问题。这一次，是再次“画饼”，还是动真格？ 然而，微软自身在2025年对Windows 11的一些“负优化”操作，确实让系统的声誉跌至谷底。以至于，调侃微软和Windows 11，在网络上成了一件“很酷”的事，吸引了大量不明真相的围观群众。 终于，在3月20日，微软官方宣布了一项详细的计划，旨在全面修复Windows 11的性能和可靠性问题。不止于口号：微软的详细“手术计划”这并非微软首次提及性能改进。 如今，Windows 11再次面临类似的局面。在经过几年的“折腾”之后，微软似乎终于决定回归初心，专注于系统的基本功。
35610编辑于 2026-03-23 - 来自专栏python 自动化测试
【每日科技】微信安装包11年扩大575倍...
7月27日消息，据UP主科技老男孩的梳理，十一年微信膨胀了575倍！ 微信1.0界面 而对比2022年6月发布的微信8.0.24版本，安装包体积已经膨胀到了257MB，11年来膨胀了575倍。 逆向工程 微信到底更新了什么？
65820编辑于 2022-08-25 - 来自专栏自然语言处理
图神经网络11-GCN落地的必读论文：GraphSAGE
3 相关工作 GraphSAGE算法在概念上与以前的节点embedding方法、一般的图形学习监督方法以及最近将卷积神经网络应用于图形结构化数据的进展有关。 一些神经网络方法用于图结构上的监督学习，本文的方法在概念上受到了这些算法的启发 Discriminative embeddings of latent variable models for structured 3.3 Graph convolutional networks 近年来，提出了几种用于图上学习的卷积神经网络结构 Spectral networks and locally connected networks 该f_update功能为任何可微函数，可以再次，是一样简单的平均函数，或复杂如神经网络。 根据节点v的邻域聚合表示和节点v的先前表示，为节点v创建更新的表示： ? label一共七种，包括遗传算法，神经网络，强化学习等7个领域。特征是已经经过stemming和stopwords处理过的词表，每列表示一个词是否出现。
3.4K30发布于 2021-04-27 - 来自专栏新智元
远程操控神经的高科技诞生
，可以通过智能手机控制的微型大脑植入物来控制神经回路。 向大脑输送药物和光线 在现代生物学研究中，为了理解神经元的功能、帮助寻找针对神经疾病的药物，科学家往往需要直接向活体动物的脑部传输特定的药物与光线并追踪这些药物与光线对生物体的后续影响，即通过药物理解不同的脑细胞在特定生理活动 光遗传学是一门新兴的生物技术领域，神经科学家可以往受试者的神经元注入视蛋白基因，然后利用光线控制活体组织中的神经元。 向大脑传输药物和光的传统方法通常会利用刚性金属管和光纤。 其中，神经器件是光流控的；药物输送则通过加热器的热驱动实现。 ? “无线光流控脑探头”组装图像 由于可替换药盒的存在，神经科学家不用担心药物耗尽。 “它让我们能够更好地剖析行为的神经回路基础，以及大脑中特定神经调节器的作用，”Bruchas说，“我们也渴望将该设备用于复杂的药理学研究，帮助我们开发新的治疗疼痛、成瘾和情绪障碍的方法。”
1.4K10发布于 2019-08-20 - 来自专栏腾讯云开发者社区头条
Jan 11 云+科技快报 来看看今天有什么火爆内容
最近，北大开源了一个中文分词工具包，它在多个分词数据集上都有非常高的分词准确率。其中广泛使用的结巴分词误差率高达 18.55% 和 20.42，而北大的 pkuseg 只有 3.25% 与 4.32%。
6541511发布于 2019-01-11 - 来自专栏ATYUN订阅号
【科技】神经网络使我们能够以新的方式“读懂人脸”
其他由神经网络驱动的图像识别技术正在开发中，包括阅读自动驾驶标志和自动检测机场安全扫描仪中的武器。 近年来，神经网络也使得面部分析等技术更加精确。 在这种情况下，神经网络可以把注意力集中在亮度而不是面部表情上，但似乎可以看到面部的链接。 让神经网络来解释他们如何分析图像是他目前研究的重点。 Yilun Wang 表示：“我可以看到改善(视觉图像和面部识别神经网络)性能的方法，但却没有看到达到百分之百的方法。” 研究人员说，在神经网络能够可靠地用于更多安全关键领域的面部识别之前，可能还需要一段时间。
78350发布于 2018-03-02 - 来自专栏GiantPandaCV
卷积神经网络学习路线（十九） | 旷世科技 2017 ShuffleNetV1
前言 这是卷积神经网络学习路线的第19篇文章，主要为大家介绍一下旷世科技在2017年发表的ShuffleNet V1，和MobileNet V1/V2一样，也是一个轻量级的卷积神经网络，专用于计算力受限的移动设备 介绍 当前很多CNN模型的发展方向是变得更大，更深，这让深度卷积神经网络的准确率更高，但难以运行在移动设备上，针对这一问题，许多工作的重点放在对现有预训练模型的剪枝，压缩或使用低比特表示。 相关工作 高效模型设计：卷积神经网络在CV任务中取得了极大的成功，在嵌入式设备上运行高质量深度神经网络需求越来越大，这也促进了对高效模型的研究。 方法 针对组卷积的通道混洗 现代卷积神经网络会包含多个重复模块。
1.3K20发布于 2020-02-21 - 来自专栏ShowMeAI研究中心
深度学习与CV教程(11) | 循环神经网络及视觉应用
自然语言处理教程中的文章 NLP教程(5) - 语言模型、RNN、GRU与LSTM 和 斯坦福NLP课程 | 第6讲 - 循环神经网络与语言模型 1.1 形式 普通的神经网络会有1个固定维度的输入（如1 即使是输入输出尺寸都是固定的情形也可以使用循环神经网络 RNN。 ，让神经网络在一定程度上学会字词的组合规律并能生成自然语言。 深度学习与CV教程(5) | 卷积神经网络 深度学习与CV教程(6) | 神经网络训练技巧 (上) 深度学习与CV教程(7) | 神经网络训练技巧 (下) 深度学习与CV教程(8) | 常见深度学习框架介绍 , VGG, Googlenet, Restnet等) 深度学习与CV教程(10) | 轻量化CNN架构 (SqueezeNet, ShuffleNet, MobileNet等) 深度学习与CV教程(11
1.3K41编辑于 2022-06-09 - 来自专栏贾志刚-OpenCV学堂
使用NNCF(神经网络压缩框架)量化与压缩YOLO11
NNCF提供了一系列的训练时量化与训练后量化神经网络的接口支持，支持ONNX、OpenVINO、Pytorch等多种模型格式的压缩与量化。 pytorch2.6 openvino2025.1 opencv-python4.10 安装NNCF pip install nncf 模型量化与压缩 训练后量化（PTQ）YOLO系列INT8 这里以YOLO11 为例，实现自定义YOLO11对象检测模型的训练后量化，通过PTQ在维持精度的同时大幅提升推理速度。 还是以YOLO11为例， 权重压缩INT8对称模式： 权重压缩INT8非对称模式 运行对比 CPU 酷睿i7 11th 直接同步推理模式下： 使用FP32的流水线异步推理 使用INT8量化版本的YOLO11
12110编辑于 2026-04-02 - 来自专栏大数据文摘
自媒体精选第二波（金融、科技、女性生活类11个）
由泡果网络运营，该团队还有关于金融、IT、房产、互联网、时尚、电影、科技、广告等微博、微信行业大号，总粉丝已达1000万，是最大影响力的垂直行业自媒体。
73240发布于 2018-05-23 - 来自专栏IT技术分享社区
科技资讯：Windows11开始菜单长高引争议！微软回应来了
如果你还没看到它，那在安装Windows 11 2026年1月累积更新（KB5074109）之后，很可能就会遇到了。这是一个强制性更新，目前我手头大多数电脑都已经用上了这个新开始菜单。 而且不仅仅是开始菜单——Windows 11中几乎所有的更新，甚至是一些小bug修复，都是分批推送的。 这个新开始菜单并没有比Windows 11原来的开始菜单布局好太多，但肯定也不差。与旧版不同，新版采用了单页布局，所有内容都集中在一页内，分区域显示。 正因如此，我认为Windows 11真的需要一个像Windows 10那样的开始菜单大小调节控件。
59110编辑于 2026-01-20 - 来自专栏新智元
英伟达黑科技登场！RTX神经纹理压缩，显存用量狂减96%
在显卡技术不断迭代的当下，NVIDIA再次凭借其前沿创新，吸引了全球科技爱好者的目光。 RTX神经纹理压缩（NTC）技术在beta测试演示中的表现，堪称惊艳。 而「样本推理」模式更是一骑绝尘，将纹理内存进一步压缩至仅11.37MB，与非神经压缩相比，内存使用量降低了95.8%，相比以前的神经压缩模式减少了88%。 RTX神经纹理压缩技术的出现，无疑为游戏行业的未来发展指明了新的方向。 从玩家的角度来看，RTX神经纹理压缩技术将带来更加沉浸式的游戏体验。 此外，RTX神经纹理压缩技术还有望在虚拟现实（VR）和增强现实（AR）领域发挥重要作用。
98410编辑于 2025-02-15 - 来自专栏炼丹笔记
炼丹侠必知的11大神经网络结构汇总！
时晴,文章框架源于引文[1] 炼丹侠必知的11大神经网络结构汇总！ 简 介 随着深度学习的快速发展，目前已经出现了海量的不同结构的神经网络，本文介绍11种炼丹师都需要知道一点的神经网络结构。 神经元的连接和权值是随机分配的，忽略层和神经元的差异（跳跃连接）。ESN将隐藏层设计成一个具有很多神经元组成的稀疏网络，通过调整网络内部权值的特性达到记忆数据的功能。 ? 8.Deconvolutional Neural Network (DNN) 反卷积神经网络，顾名思义，其性能与卷积神经网络相反。 11.Variational Auto Encoder (VAE) 自动编码器学习输入的压缩表示，而变分自动编码器（VAE）学习表示数据的概率分布的参数。 参考文献 11 Essential Neural Network Architectures, Visualized & Explained deconvolutional networks
1.7K20发布于 2021-05-14 - 来自专栏思影科技
思影科技啮齿类动物（大小鼠）神经影像数据处理业务
2、张量构建与指标计算 思影根据不同的数据类型以及客户的不同需求，可构建多种弥散模型（如弥散张量DTI、弥散峰度成像DKI、神经突强度和散度成像NODDI等等）并计算对应的弥散指标。 ?
1.9K20发布于 2020-04-01 - 来自专栏量子位
提前11秒，AI让神经科学家预知了你的决定
当你在鸡肉饭和牛肉面之间徘徊不定的时候，神经科学家出现了： “别纠结了，你会在11秒之后决定选鸡肉饭。” 诶？我还没决定呢，你怎么知道我会选鸡肉饭？ 一个选择实验 神经科学家的研究来自一项有14名人类受试者参与的实验，当然，这次的选择不是鸡肉饭和牛肉面，而是： ? 根据实时记录下来的大脑活动，使用SVM分类器对10秒的感知或图像数据进行了训练和测试并交叉验证，将四个重点区域逐一分析后，研究人员可以平均提前11秒预知受试者会做出何种选择。 为什么我们明明没有作出选择，神经科学家就知道我们要选什么了呢？ ? 最后，这项研究的相关学者警告，并非所有选择都是由大脑活动提前决定的，所以，你的思维和想法都是自由的，没有什么冥冥中的神经科学想法在指引着你。
51310发布于 2019-04-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号