Diffusion模型通过正向扩散过程逐步向图像添加高斯噪声，然后通过反向去噪过程，利用神经网络逐步去除噪声，最终生成实际图像。这两个过程在有限的时间步长内完成...

先说一下今天用到的数据集，虽然之前有文章讲过，但是这次可以讲的更透彻一些，温故而知新嘛：

我们终于准备好讨论ChatGPT内部了。实际上，它是一个巨大的神经网络，目前采用的是称为GPT-3的网络版本，拥有1750亿个权重。在许多方面，这个神经网络与我...

“ 介绍神经网络的基本概念和结构，讨论训练实践、技巧以及网络规模的大小对模型能力的影响。同时介绍嵌入（Embeddings）概念，将高维数据映射到低维空间。通过...

例如，以下是如何获取上面的概率表。首先，我们必须检索底层的“语言模型”神经网络：

中国人民大学高瓴人工智能学院的研究团队首次将 E(3) 等变图神经网络 (GNN) 应用于配体结合位点预测，提出名为 EquiPocket 的框架，有助于药物发...

在快速发展的药物发现领域，传统方法的局限性日益凸显。尽管大量资金投入到新药研发中，但近90%的潜在候选药物在临床试验阶段失败，这主要是由于临床疗效不佳、药代动力...

今天为大家介绍的是来自多伦多大学的Alán Aspuru-Guzik团队的一篇论文。计算化学是理解分子和预测化学性质的重要工具。然而，由于求解薛定谔方程的困难以...

DeepH 的关键思想是利用神经网络来表示 HDFT。通过改变输入的物质结构，首先创建的是由 DFT 代码生成的 HDFT 训练数据，然后将这些数据用于训练神经...

空间组学技术的进步允许从同一组织切片获取多种类型的数据。为了充分发挥此类数据的潜力，我们需要空间信息数据集成方法。近日，《Nature Methods》发表了一...

7月3日消息，据韩国媒体ETNews的报导，韩国三星电子正在通过旗下先进封装（AVP）部门开发下一代半导体封装技术，被称之为“3.3D先进封装技术”，以替代昂贵...

变换器模型是一种深度学习架构，由Vaswani等人在2017年提出。与传统的循环神经网络（RNN）不同，变换器模型完全依赖于注意力机制。变换器模型的核心组件包括...

反向传播（Backpropagation）是现代神经网络训练的核心算法。它由Geoffrey Hinton及其同事在20世纪80年代发展起来，成为深度学习的奠基...

判别模型和生成模型是机器学习中两大重要的模型类别，它们在数据处理和预测方面有不同的应用和特点。以下是对这两种模型的详细讲解。

神经网络（Neural Network）作为人工智能领域的重要分支，已经在许多应用中展现了其强大的能力。它模拟了生物神经网络的结构和功能，用于处理复杂的数据分析...

近年来，计算成像领域通过深度学习方法已经取得了显著的进展。深度学习已经成为解决计算成像中遇到的逆问题的一种有前景的方法。开创性的研究已经成功证明了深度学习在光学...

凡本公众号注明“来源：XXX（非集智书童）”的作品，均转载自其它媒体，版权归原作者所有，如有侵权请联系我们删除，谢谢。

这篇文章鸽的比较久，也不是说懒（其实就是懒），主要是这两天实在太忙了（试图找借口），比如实习，每天都在办公室坐着（坐着摸鱼），老师也会不断地布置新任务以小组方式...

神经网络处理单元（NPU）是一种创新的计算硬件，专为加速神经网络计算而设计。它摒弃了传统冯诺依曼架构的限制，转而采用“数据驱动并行计算”的方式，模拟人类神经元和...