在VCIP会议主办的第四届低复杂度端到端图像压缩实战赛中，腾讯香农实验室研发的腾讯神经网络编解码TNC（Tencent Neural Codec）在相同码率下画...

深度神经网络是现代人工智能模型的核心，这是一种机器学习系统，能从图像、音频或文本等各种数据中学习隐藏模式，以进行预测或分类。深度神经网络凭借其卓越的预测准确性改...

本系列的文章由浅入深介绍LLM的基础知识，从大模型的使用，到原理解析，再到LLM系统实战。 这篇深入浅出的文章旨在解析大型语言模型（LLM）的智能来源，核心聚焦...

以“神经网络”章节为例，先介绍神经网络的基本结构和原理，让读者对神经网络有一个初步的认识。接着讲解用误差反向传播方法实现学习的过程，深入剖析神经网络的训练机制。

深度学习模型的 “智能” 不是来自模型结构本身，而是来源于训练过程中的学习。换句话说，一个网络能否学会识别、理解或预测，关键取决于 ——如何定义损失函数、如何优...

如果说机器学习是人工智能的“骨架”，那么**深度学习（Deep Learning）**就是它的“灵魂”。 深度学习的出现，使人工智能从“会识别”走向“会思考”...

今年，一家瑞典初创公司发布了一段四足机器狗“卢娜”的视频。这只机器狗完全依靠自己学习站立，并通过感官反馈和现实世界互动来适应环境，就像一个新生动物一样，没有任何...

导语：你是否曾对人工智能背后的“黑科技”感到好奇？是否想知道计算机是如何“学习”和“思考”的？深度学习作为人工智能的核心，其最基本的运作原理——神经网络，其实...

而现在 ChatGPT、DeepSeek 等，都是基于 Transformer 架构的神经网络模型，投喂海量的数据(网页、书籍、文章)等供模型学习，让模型构建自...

这样做的原因是我想在GPU上训练我的网络，而GPU不懂Python，甚至不懂C++。我的计划是使用OpenCL和C++来构建一个功能齐全的库，用于创建你自己的神...

近年来生成式 AI 的突然崛起，推动全球超大规模 AI 集群以前所未有的速度部署。随着摩尔定律放缓，性能提升只能通过并行计算实现，这使得数据处理和...

人们对神经网络需要对人类可解释的认知日益增强。神经网络可解释性领域正是为了回应这些关切而形成的。随着该领域的发展，两个主要的研究方向开始融合：特征可视化和归因。

传统的机器人仿真技术因其简化的接触模型、忽略的运动学闭环以及不可微分的模型，难以满足现代机器人的复杂需求。神经机器人动力学（Neural Robot Dynam...

基于 JAX 的神经网络训练库。Flax 的核心现在是 NNX (Neural Networks for JAX)。这是一个简化版的 API，让创建、调试和分析...

这似乎是说明：存在一个「先验的」数学结构，所有神经网络都在逼近它。训练不是在「创造」什么，而是在「发现」一个早已存在的几何形式。换句话说，神经网络「想学的东西」...

2015 年，Faster R-CNN 的诞生：何恺明团队提出了 RPN (Region Proposal Network) 。他们从 1991 年 LeCun...

之前实现的神经网络是对图像整体进行了分类，要将它落实到像素水平的话，该怎么做呢？

关于神经网络，我们已经学了很多东西，比如构成神经网络的各种层、学习时的有效技巧、对图像特别有效的CNN、参数的最优化方法等，这些都是深度学习中的重要技术。本节我...

本章将介绍神经网络的学习中的一些重要观点，主题涉及寻找最优权重参数的最优化方法、权重参数的初始值、超参数的设定方法等。此外，为了应对过拟合，本章还将介绍权值衰减...