神经
神经网络的应用领域研究
[toc] 神经网络的应用领域研究 随着人工智能的不断发展，神经网络逐渐成为人工智能领域的重要组成部分。神经网络是一种基于人脑神经元连接方式的计算模型，可以模拟人脑神经元之间的相互作用，从而实现人工智能任务。神经网络的应用领域非常广泛，下面我们将对神经网络的应用领域进行研究。 一、机器学习 机器学习 ......
机器学习中的神经网络：如何创建强大的模型并解决复杂的问题
[toc] 文章标题：《17. "机器学习中的神经网络：如何创建强大的模型并解决复杂的问题"》 文章背景介绍：随着人工智能技术的快速发展，神经网络已经成为机器学习领域中最受欢迎的模型之一。神经网络是一种基于深度学习的技术，能够通过多层神经元来学习和提取特征，从而实现复杂的分类、回归和聚类等任务。在实 ......
TensorFlow05.3 神经网络-FashionMNIST实战
一.数据的加载： ``` (x, y), (x_test, y_test) = datasets.fashion_mnist.load_data() print(x.shape, y.shape) ``` 
首先这个是链式法则：   # 1 Basic Rule   梯度是一个向量 
▪ MSE ▪ Cross Entropy Loss(针对分类问题) ▪ Hinge Loss  # 1 ......
TensorFlow05.2-神经网络输出方式
这里的输出方式有这几种：  # 1 𝑦∈𝑅^d ▪ linear regression(线性回归) ......
一文详解图卷积神经网络
本文是文章 [A Gentle Introduction to Graph Neural Networks](https://distill.pub/2021/gnn-intro/) 的个人笔记，强烈建议大家去体验原文的交互式阅读，以及李沐老师的[讲解](https://www.bilibili.c ......
神经网络基础知识与实现
[toc] 神经网络是人工智能领域中的一个重要概念，它是指一种模拟人脑神经元的计算方法。神经网络通过从大量数据中学习，来预测未来的状态或执行特定的任务。 本文将介绍神经网络的基础知识与实现，包括神经网络的基本概念、技术原理、实现步骤以及示例与应用。同时，本文还将探讨神经网络的性能优化、可扩展性改进以 ......
深度学习神经网络大模型在文本分类中的应用
[toc] 深度学习神经网络大模型在文本分类中的应用 随着人工智能技术的不断发展，深度学习神经网络在自然语言处理领域中的应用越来越广泛。文本分类是深度学习神经网络的一个重要应用之一，其目的是将文本分类到不同的类别中，以便进行相应的处理和分析。本文将介绍深度学习神经网络大模型在文本分类中的应用，包括技 ......
基于神经网络的大模型在图像识别中的应用
[toc] 随着深度学习技术的不断发展，特别是在计算机视觉领域，基于神经网络的大模型在图像识别中的应用越来越广泛。这些模型能够在处理大量图像数据的同时，准确地识别出各种物体和场景，取得了令人瞩目的成果。本文将介绍基于神经网络的大模型在图像识别中的应用，包括技术原理、实现步骤、示例和应用等方面的内容， ......
神经网络在计算机视觉领域中的应用
[toc] 神经网络在计算机视觉领域中的应用 随着人工智能技术的快速发展，神经网络逐渐成为计算机视觉领域的重要工具。神经网络是一种深度学习模型，通过学习大量数据来进行预测和分类。在计算机视觉领域，神经网络可以用于图像分类、目标检测、图像生成等任务。本文将介绍神经网络在计算机视觉领域中的应用。 一、引 ......
神经网络在金融与交易领域的应用
[toc] 神经网络在金融与交易领域的应用 摘要 神经网络作为人工智能领域的核心技术之一，已经在金融与交易领域得到了广泛应用。本文将介绍神经网络在金融与交易领域的技术原理及概念，并介绍神经网络实现步骤与流程。同时，我们还将分析神经网络的应用案例，并对神经网络的性能、可扩展性以及安全性等方面进行优化和 ......
基于MFCC特征提取和神经网络的语音信号识别算法matlab仿真
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 在语音识别（Speech Recognition）和话者识别（Speaker Recognition）方面，最常用到的语音特征就是梅尔倒谱系数（Mel-scale Frequency Cepstral Coeffici ......
3.1 卷积神经网路 (Convolutional Neural Networks, CNN)
# 1. 概念引入: Image Classification 我们做图像分类时,一般分为三步: * 所有图片都先 rescale 成大小一样 * 把每一个类别表示成一个 one-hot vector(dimension 的长度决定模型可以辨识出多少不同种类的东西) * 将图片输入到模型中 ![im ......
2.6 类神经网路训练不起来怎么办 (五):批次标准化 (Batch Normalization)简介
# 1. 提出背景 在前文,我们提过$error\ surface$在不同方向的斜率不一样,因此采用固定的学习率很难将模型$train$起来,上节提出了自适应学习率,这里还有一个方法就是直接将e$rror\ surface$铲平. 或许首先想要提出的是为什么会产生不同方向上斜率相差很大的现象.观察下 ......
神经网络模型种类
神经网络模型种类 一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等 ......
R语言深度学习：用keras神经网络回归模型预测时间序列数据|附代码数据
library(keras) 生成样本数据集 首先，本教程的样本回归时间序列数据集。 plot( c ) points( a ) points( b ) points( y ) 点击标题查阅往期内容 RNN循环神经网络 、LSTM长短期记忆网络实现时间序列长期利率预测 左右滑动查看更多 01 02 ......
人工智能领域：面试常见问题超全（深度学习基础、卷积模型、对抗神经网络、预训练模型、计算机视觉、自然语言处理、推荐系统、模型压缩、强化学习、元学习）
人工智能领域：面试常见问题超全（深度学习基础、卷积模型、对抗神经网络、预训练模型、计算机视觉、自然语言处理、推荐系统、模型压缩、强化学习、元学习） ......
R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化|附代码数据
以苏州商品房房价为研究对象，帮助客户建立了灰色预测模型 GM (1,1)、 BP神经网络房价预测模型，利用R语言分别实现了 GM (1,1)和 BP神经网络房价预测可视化 由于房价的长期波动性及预测的复杂性，利用传统的方法很难准确预测房价，而灰色模型 GM (1,1)和神经网络的结合在一定程度上可以 ......
神经网络基础知识与实现
[toc] 神经网络是人工智能领域中的一个重要概念，它是指一种模拟人脑神经元的计算方法。神经网络通过从大量数据中学习，来预测未来的状态或执行特定的任务。 本文将介绍神经网络的基础知识与实现，包括神经网络的基本概念、技术原理、实现步骤以及示例与应用。同时，本文还将探讨神经网络的性能优化、可扩展性改进以 ......
神经网络在计算机视觉领域中的应用
[toc] 神经网络在计算机视觉领域中的应用 随着人工智能技术的快速发展，神经网络逐渐成为计算机视觉领域的重要工具。神经网络是一种深度学习模型，通过学习大量数据来进行预测和分类。在计算机视觉领域，神经网络可以用于图像分类、目标检测、图像生成等任务。本文将介绍神经网络在计算机视觉领域中的应用。 一、引 ......
深度学习神经网络大模型在文本分类中的应用
[toc] 深度学习神经网络大模型在文本分类中的应用 随着人工智能技术的不断发展，深度学习神经网络在自然语言处理领域中的应用越来越广泛。文本分类是深度学习神经网络的一个重要应用之一，其目的是将文本分类到不同的类别中，以便进行相应的处理和分析。本文将介绍深度学习神经网络大模型在文本分类中的应用，包括技 ......
基于神经网络的大模型在图像识别中的应用
[toc] 随着深度学习技术的不断发展，特别是在计算机视觉领域，基于神经网络的大模型在图像识别中的应用越来越广泛。这些模型能够在处理大量图像数据的同时，准确地识别出各种物体和场景，取得了令人瞩目的成果。本文将介绍基于神经网络的大模型在图像识别中的应用，包括技术原理、实现步骤、示例和应用等方面的内容， ......
神经网络在金融与交易领域的应用
[toc] 神经网络在金融与交易领域的应用 摘要 神经网络作为人工智能领域的核心技术之一，已经在金融与交易领域得到了广泛应用。本文将介绍神经网络在金融与交易领域的技术原理及概念，并介绍神经网络实现步骤与流程。同时，我们还将分析神经网络的应用案例，并对神经网络的性能、可扩展性以及安全性等方面进行优化和 ......
深度学习是机器学习的一个分支，其主要目标是让计算机通过多层神经网络实现复杂的任务，如图像识别、语音识别、自然语
[toc] 深度学习是机器学习的一个分支，其主要目标是让计算机通过多层神经网络实现复杂的任务，如图像识别、语音识别、自然语言处理等。随着人工智能应用的不断发展，深度学习技术在各个领域的应用也越来越广泛。未来编程语言的发展将离不开深度学习技术，因为深度学习技术将广泛应用于各种应用场景，如智能安防、智能 ......