神经网络标签_AtomGit开源社区

神经网络

【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法，用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪（Matlab代码实现）

摘要本文提出了一种基于神经网络的（NN-based）数据驱动迭代学习控制（ILC）算法，用于具有未知模型和重复任务的非线性单输入单输出（SISO）离散时间系统的跟踪问题。控制目标是使系统的输出在每次迭代过程中跟踪参考轨迹。因此，在每次迭代过程的每个相对时间点上，使用广义回归神经网络（GRNN）作为估计器来解决系统的关键参数，并使用径向基函数神经网络（RBFNN）作为控制器来解决控制输入。

qq_57231208
2026-06-17 11:21:51

 20

#神经网络 #学习 #算法 +1
深度学习与神经网络

本文系统梳理了深度学习入门核心知识，对比了机器学习与深度学习的差异，重点讲解了逻辑回归（单神经元模型）的前向传播、损失函数和梯度下降算法。详细阐述了神经网络的基础结构、计算图原理，以及浅层/深层网络的前向和反向传播机制，强调激活函数对非线性建模的关键作用。文章特别指出代码实现中矩阵向量化运算的重要性，要求读者掌握从零搭建单神经元和浅层网络的能力，适合作为深度学习入门的学习笔记和复习资料。

0854打工人
2026-06-16 16:21:27

 262

 7

#深度学习 #神经网络 #人工智能
Week 4：卷积神经网络基础

本周系统完成了卷积神经网络的基础理论学习，全面掌握了CNN的核心原理与运行机制。卷积神经网络依靠局部连接、参数共享、层级化特征提取三大核心优势，解决了传统全连接网络处理图像数据的弊端，实现了视觉特征的高效提取与表征。其中卷积层负责挖掘图像局部细节特征，池化层完成特征压缩与降噪筛选，多卷积核与深层堆叠结构则支撑模型完成从基础视觉元素到高级语义信息的逐层抽象。通过对卷积运算、填充步长、池化机制、多通道

 2501_92592797
2026-06-14 21:37:10

 358

 2

#cnn #人工智能 #神经网络
基于深度学习的手写数字识别系统

手写数字识别作为模式识别与计算机视觉领域的经典任务，是人工智能技术落地的重要验证场景。本文围绕MNIST数据集构建端到端的深度学习手写数字识别系统，旨在实现高精度、低延迟、可部署的识别能力。研究采用卷积神经网络（CNN）作为核心模型架构，结合数据增强、批量归一化、Dropout正则化及Adam优化器等关键技术提升泛化性能；系统设计涵盖前后端分离架构，前端提供交互式手绘板与结果可视化界面，后端集成F

wyh293
2026-06-14 12:02:30

 269

 6

#人工智能 #深度学习 #神经网络 +1
scSurvival：单个细胞级别的预后风险神经网络模型，又是一篇 33+ 纯生信！

单细胞层面，能够更加明确的看到肿瘤微环境中的异质性细胞群体，数据层面也扩展到一个样本对应数万个细胞。逻辑上，患者的预后不是由所有细胞平均决定的，而是由某些关键细胞亚群决定的。对应的数据格式是很清晰的，每个样本的基因表达以及生存事件，在此基础上可以用 Cox 模型预测患者级别的预后风险。图：scSurvival 模型框架 (A-H) 与具体下游的应用（I-K），其实模型还是相对简单的，并且框架还是比

 weixin_49214410
2026-06-14 11:06:06

 181

 5

#神经网络 #人工智能 #深度学习 +4
C#的“神经网络”：从零开始构建AI模型

本文详细介绍了如何从零开始使用C#实现前馈神经网络，不依赖任何外部AI库。文章分为三个核心部分：理论基础：讲解神经网络的前向传播、损失函数（MSE）和反向传播机制架构设计：采用纯C#实现三个核心类： Matrix类：处理矩阵运算和激活函数 Layer类：管理权重、偏置和层计算 NeuralNetwork类：整合网络结构和训练过程关键实现：展示了矩阵运算（包括Xavier初始化）、Sigmoi

墨夶
2026-06-14 09:45:00

 443

 9

#人工智能 #c##神经网络
吴恩达《深度学习》之看懂神经网络的“底层细胞”：逻辑回归

文章摘要：逻辑回归（Logistic Regression）是深度学习的核心基础，其本质是通过Sigmoid函数将线性得分$z=w^Tx+b$映射为0~1的概率值，解决二分类问题。关键点包括：直觉：Sigmoid函数（$\sigma(z)=\frac{1}{1+e^{-z}}$）将任意实数平滑转化为概率，如$z\to+\infty$输出1，$z\to0$输出0.5。数学核心：通过概率输出（如

 m0_图灵灵
2026-06-14 09:09:27

 547

 4

#深度学习 #逻辑回归 #神经网络
BP神经网络用什么训练算法(traingd、traingdm、trainlm)

在使用matlab来训练BP神经网络时，我们不免会疑惑，究竟要怎么选择训练函数呢？

老饼讲解-BP神经网络
2026-06-14 09:07:45

 244

 6

#神经网络 #算法 #人工智能
第一节：深度学习是什么？一张图看懂AI、机器学习、深度学习的“家族关系”

很多初学者容易把人工智能、机器学习、深度学习混为一谈。今天我们就从概念到起源，彻底理清这三者的关系。🧠 一、AI、ML、DL：从大到小，层层包含🤖 人工智能（Artificial Intelligence，AI）人工智能是最大的概念，它致力于让机器模仿人类的智能行为——像人一样推理、学习、决策、理解语言等。AI 是一个多学科交叉的领域，涵盖机器人、专家系统、计算机视觉、自然语言处理等众多方向。

weixin_36025142
2026-06-14 00:07:47

 69

 4

#pytorch #人工智能 #深度学习 +2
第二节：神经网络基础

人工神经网络（Artificial Neural Network，ANN）简称神经网络（NN），是一种模仿生物神经网络结构和功能的计算模型。它有一个很厉害的特性：大多数情况下，ANN 能根据外界信息自动调整内部结构——这种能力被称为自适应系统（adaptive system）。换成大白话就是：它真的会学习。无脑首推 ReLU；如果发现死神经元或效果不佳，再考虑 Leaky ReLU 等变体；Si

weixin_36025142
2026-06-14 01:38:24

 60

 4

#神经网络 #人工智能 #深度学习
让神经网络拥有“记忆”：RNN、LSTM 与 GRU 的通俗图解与代码实战【NLP系列第二篇】

本文系统解析NLP核心序列模型RNN、LSTM与GRU的原理与机制，并结合PyTorch提供代码实战与避坑指南，助你轻松掌握长序列建模。

m0_73777119
2026-06-13 22:23:37

 659

 26

#rnn #神经网络 #lstm
CVPR 2026|InTrain：面向零代价神经架构搜索的固有可训练性

论文标题：InTrain: Intrinsic Trainability for Zero-Cost Neural Architecture Search论文作者：Qinqin Zhou Fuhai Chen Jipeng Wu Zhiwei Chen Zhikai Hu Weiwei Cai发表单位：2026Conference on Computer Vision and Pattern Re

youth_n98
2026-06-13 21:34:27

 394

 10

#人工智能 #神经网络
基于机器学习和flask的体育健身风险智能分析系统，系统集成DeepSeek、聚类算法、分类算法等，准确率达90%

随着全民健身意识的提高，运动过程中的健康风险问题日益受到关注。传统健身指导缺乏个性化的风险评估，难以满足不同人群的需求。本文设计并实现一个基于机器学习的健身风险智能分析系统，整合数据可视化、机器学习算法和大语言模型，为健身房会员健康管理、风险评估和个性化训练提供全面的决策支持。系统采用Kaggle公开的健身房会员数据集共973条记录，通过综合风险评分体系将会员划分为低、中、高三个风险等级，并利用随

 叫我：松哥
2026-06-13 20:33:24

 435

 10

#机器学习 #算法 #flask +4
Week 4：卷积神经网络基础

本周主要学习 Convolutional Neural Networks（卷积神经网络，CNN）的基础原理与典型结构。卷积神经网络是深度学习中处理图像任务最经典的模型之一，它通过局部感受野、参数共享和分层特征提取机制，更高效地处理具有空间结构的数据。学习内容包括卷积运算的基本思想、Padding（填充）与 Stride（步长）对输出结果的影响、Pooling（池化）在降维和保留关键特征中的作用、多

 CN_lyl
2026-06-13 17:00:32

 323

 7

#cnn #人工智能 #神经网络
基于图神经网络和cvxpylayer的室内布局生成研究

传统的户型图设计需要建筑师或设计师花费大量时间手工绘制和调整，使用ai自动生成户型图可以减少大量的人力物力。

53488736abcdefg
2024-05-12 15:25:52

 2050

 41

#神经网络 #人工智能 #深度学习
神经网络与深度学习第六周学习笔记

本周系统学习了具身智能的核心概念、系统架构与关键技术，深入剖析了视觉-语言-动作(VLA)模型的基本原理与典型实现，重点掌握了开源VLA模型OpenVLA和轻量级VLA模型SmolVLA的架构特点，并初步了解了世界模型的分类体系与发展趋势。这些内容构成了当前人工智能从"感知智能"向"具身智能"演进的核心技术基础。定义：具身智能是指主体(机器)在自体、对象与环境等要素间相互作用(信息感知、转化和响应

 m0_72113198
2026-06-13 11:02:57

 318

 4

#深度学习 #神经网络 #学习
基于深度强化学习的车辆轨迹跟踪控制（端到端）

本文介绍了一个基于深度强化学习的车辆横向控制项目RL-DQN-Vehicle。该项目实现了完整的车辆控制系统，支持10种强化学习算法（DQN、DDQN、DDPG等）和4种赛道类型（圆形、正弦等），提供从训练到评估的全流程功能。系统基于自行车运动学模型，具有模块化设计、详细注释和可视化功能，适用于教学、研究和工程应用。项目支持离散/连续动作空间，提供训练曲线、轨迹动画和性能指标等可视化输出。环境要求

 Nehzil-kino
2026-06-13 10:33:31

 449

 11

#人工智能 #深度学习 #计算机视觉 +3
基于自适应粒子群算法改进的BP神经网络的路口流量预测

本文提出了一种基于自适应粒子群算法改进的BP神经网络模型，用于路口交通流量预测。首先介绍了BP神经网络的原理，包括其基本结构、神经元模型、激活函数和传递函数。然后阐述了粒子群算法的核心参数和优化流程。研究采用历史交通数据作为输入，通过自适应粒子群算法优化BP神经网络的权值和阈值，构建三层网络结构进行流量预测。实验结果表明，该方法能有效提高预测精度，相比传统BP神经网络具有更好的性能。文中还给出了主

 神经网络机器学习智能算法画图绘图
2026-06-13 07:57:36

 36

#算法 #神经网络 #人工智能
一文详述-BP神经网络模型-从原理到实现

BP神经网络是一种智能仿生模型，我们都知道，生物神经网络由大量生物神经元通过突触连接而成，如下：大脑能够接收、处理和传递外界信息，帮助生物完成感知判断、思考决策等行为。而BP神经网络正是以此为基础而构建出来的数学模型。

老饼讲解-BP神经网络
2026-06-13 07:51:34

 258

 5

#神经网络 #人工智能 #深度学习
AI人工智能——解读210页神经网络与深度【附全文阅读】

这篇PPT文档系统介绍了神经网络与深度学习的关键内容。首先概述了机器学习基础，详细讲解了前馈神经网络、CNN、RNN等核心模型及其工作原理。其次涵盖了优化算法、正则化技术、注意力机制等关键技术要点。在应用方面，重点展示了CNN在图像处理和RNN在自然语言处理中的实际应用。最后展望了深度学习在模型优化和多领域应用的发展趋势。该文档内容全面，是学习深度学习的重要参考资料。

智慧化智能化数字化方案
2026-06-13 06:45:00

 205

 4

#人工智能 #神经网络 #深度学习
Cursor技能触发机制全解析：@引用 -- Cursor Agent 会递归扫描项目中的所有 SKILL.md 文件

本文详细介绍了Cursor AI工具的技能触发机制，主要内容包括：技能放置位置：必须放在项目级的.cursor/skills/或用户全局目录下才能被识别三种触发方式：自动触发：AI根据对话上下文和技能描述自动匹配手动触发：通过斜杠命令、@引用或显式说明调用强制手动模式：通过配置禁用自动触发实际应用示例：展示了代码审查、Git提交格式化等技能的具体触发方法关键注意事项：技能按需加载、/

ZhangJiQun&MXP
2026-06-12 23:52:21

 194

 3

#人工智能 #服务器 #数据分析 +2
如何在Cursor中配置chrome-devtools-mcp工具

Cursor (MCP, Model Context Protocol) => chrome-devtools-mcp server (npx) => Chrome Devtools Protocol (CDP) => 浏览器chrome-devtools-mcp 是一个 MCP Server，通过 Chrome DevTools Protocol (CDP) 桥接 AI Agent 与 Chro

Ripxxx
2026-06-12 21:02:35

 497

 10

#人工智能 #深度学习 #机器学习 +2
神经网络与深度学习第四周总结

大语言模型（Large Language Model, LLM）是基于海量文本数据训练的深度学习模型，能够生成自然语言文本并理解语义，完成摘要、问答、翻译等任务。典型代表包括GPT系列、文心一言、通义千问等。运作原理：模型采用“单字接龙”的方式，根据上文不断预测下一个字。将生成的字与上文组合成新的上文，循环往复即可生成任意长度的回答。模型的知识来源于预训练阶段学习的海量文本数据。多模态大模型旨在同

 Heaven_door_
2026-06-12 19:20:44

 202

 6

#深度学习 #神经网络 #人工智能
PaddleOCR训练自己的数据集

本文介绍了基于PaddleOCR-2.7框架的OCR模型训练流程，主要包括环境配置、数据标注、文本检测和识别训练四个部分。首先配置了CUDA 11.6环境并安装PaddlePaddle和相关依赖。其次使用PPOCRLabel工具进行数据标注，生成训练所需的Label.txt和rec_gt.txt文件。然后详细说明了文本检测模型的训练过程，包括配置文件修改、训练执行、模型验证和导出。最后介绍了文本识

 AugustLinlin
2026-06-12 13:37:56

 286

 8

#深度学习 #人工智能 #神经网络 +1
Nature正刊：用神经网络替代有限元仿真，热电设计提速四个数量级

日本NIMS和筑波大学团队在《Nature》发表研究，开发出TEGNet神经网络，能在0.25秒内完成传统有限元仿真2237秒的热电器件性能预测，精度超99%。该技术突破热电设计瓶颈，通过模块化组合快速优化器件结构，成功研制出效率达9.3%和8.7%的领先器件，将AI应用从材料筛选推进到器件设计层面，实现"慢仿真"到"快推理"的范式转变，为复杂系统设计提供新

 xwz小王子
2026-06-12 11:19:02

 361

 5

#神经网络 #人工智能 #深度学习
湘美谈教育AI赋能系列经验集锦：学好唐诗宋词的点滴心得体会

AI可以辅助我们检索文献、分析数据、生成提纲，但它无法替代我们在月下独酌时的那份孤独，也无法替代我们读到“同是天涯沦落人”时的那份感动。利用AI赋能教育，是为了让我们从繁琐的知识搬运中解放出来，去更深情地凝视那些流传千年的文字，去更深切地体悟唐诗宋词中那份人类独有的、不可被算法计算的诗意与远方。

湘美书院--湘美谈教育
2026-06-12 10:27:39

 196

 8

#人工智能 #大数据 #深度学习 +2
湘美谈教育AI系列经验集锦：学好大语文的五大经验技巧

AI时代如何学好大语文的基本技能提出：1）夯实字词语法等基础能力，善用AI工具辅助但不依赖；2）强化真实场景的语言实践与逻辑思维培养；3）采用"广泛阅读+精读赏析""多元写作+专项训练""课内外结合"等方法。系列同时推荐《学好逻辑学，战胜AI时代》等延伸阅读，强调批判性思维对AI时代语文学习的重要性。完整内容可查阅CSDN

湘美书院--湘美谈教育
2026-06-12 09:57:10

 223

 5

#人工智能 #大数据 #机器学习 +2
神经网络原理第十三章：使用前馈网络的时序处理

本文摘要：本章探讨如何赋予静态神经网络处理时序数据的能力。通过引入短期记忆结构（如抽头延迟线和指数加权记忆），将时间维度转化为空间特征，使前馈网络能够建模动态信息。重点介绍了三类时序网络架构：集中式时滞前馈网络、分布式时滞前馈网络和时延递归网络，以及时空神经元模型和时序反向传播算法（BPTT）。这些方法为神经网络处理语音、视频等时序数据提供了理论框架，是连接静态网络与动态系统的关键桥梁，但也存在记

 数据门徒
2026-06-12 08:51:41

 259

 6

#神经网络 #网络 #人工智能
模型预测控制（MPCC）

模型预测轮廓控制（MPCC）在车辆极限避障中的应用摘要本文提出一种基于非线性单轨车辆模型的模型预测轮廓控制（MPCC）方法，用于解决自动驾驶车辆在极限工况下的避障控制问题。该方法创新性地将运动规划、路径跟踪和车辆稳定性控制集成到统一框架中，采用笛卡尔坐标系和轮廓误差概念克服了传统Frenet坐标系的距离高估问题。控制器使用非线性单轨车辆模型结合Fiala轮胎模型精确描述极限工况下的车辆动力学，

Nehzil-kino
2026-06-12 07:29:14

 216

 8

#机器学习 #神经网络 #人工智能 +2
PyTorch Geometric：图神经网络开发，一个库就够了

PyTorch Geometric（PyG）是图神经网络（GNN）领域最主流的PyTorch扩展库，GitHub Star数达23.8K。它封装了消息传递机制，简化了GCN、GAT等经典架构的实现，支持从学术研究到工业应用的多种场景。PyG的核心功能包括：提供MessagePassing基类，方便自定义图卷积算子内置mini-batch loader和大规模图采样方案支持多GPU训练和tor

securityspher
2026-06-12 07:19:50

 398

 8

#pytorch #神经网络 #人工智能 +1
2026怎么降AI率最见效？5款工具深度实测，这些免费指令真能避坑

测了一圈下来交个底，千万别指望有什么不用动脑子的一键神器。想高效率交稿，实用的操作逻辑全在这里了。第一步是明确靶点。先用官方检测跑一份初稿，明确找出那些需要优化的段落，绝不盲目全篇改写。第二步是处理边缘段落。对于绪论、文献回顾等不需要严密格式的内容，利用大模型加提示词进行初筛，把它当成好用的辅助起手式，能省一点是一点。第三步是核心兜底。带有大量图表、公式、参考文献和复杂多级标题的正文部分，千万别自

 EdwardAITooL
2026-06-11 23:28:56

 28

#人工智能 #神经网络 #深度学习 +1
别再被Turnitin AI率卡住了！2026这3款降AI工具亲测，避坑必看

一看Turnitin报告，AI疑似率73%，我当时直接不想肝了。后来为了和寻找，我开始在某书帖子和知乎问答下面疯狂找经验，有人说改提示词管用，我就拼命给机器下指令，让它模仿真实口吻，甚至让它故意犯点小语病。我还找了市面上各种的，把文章放进去中英互译来回倒腾。当时折腾一整晚，去系统一查，不仅没发生什么正向变化，反而飙到了78%。这种越改越糟的绝望感，经历过的人都懂。

EdwardAITooL
2026-06-11 23:22:14

 180

 6

#人工智能 #神经网络 #深度学习 +1
大模型为何知而不言？揭秘AI说谎的深层原因

大模型"心里知道却嘴上说假"的现象源于其训练目标与知识存储机制：训练目标是模仿人类文本而非保证真实性，导致内部表征（隐藏层）能区分真假但输出层偏向流畅性；事实知识集中存储在中间层MLP模块，因其类似键值数据库的结构能有效关联实体与属性。ITI方法通过调整隐藏层激活方向强制输出真实内容，而ROME则直接修改中间层权重精准修正事实。这些发现揭示了模型内部知识表达与输出不一致的机制。

ZhangJiQun&MXP
2026-06-11 22:56:21

 268

 10

#人工智能 #神经网络 #深度学习 +2
避坑指南：2026 年论文降 AI 工具深度测评，多款热门工具实测对比

结合本次实测结果，不同工具的定位和优势各有侧重，大家可以根据自身需求灵活选择。如果是页数较多、排版复杂的硕博毕业论文，优先选择大以论文，降 AI 加格式规整一步到位；若是本科初稿 AI 痕迹过重，预算有限的情况下，早标网是最优解。理工科专业学生优先使用学术猹，守护专业内容不被篡改；文科论文定稿可以选择稳定性更强的言笔降 AI；日常普通课程作业，笔灵 AI 足以满足需求；遇到临时赶稿的情况，再使用嘎

 2601_95385780
2026-06-11 22:53:43

 252

 9

#人工智能 #深度学习 #计算机视觉 +4
MobileNet模型零基础完整学习教程（原理+实战+部署）

本文系统介绍了轻量化神经网络MobileNet的核心原理、三代版本演进及实战应用。重点解析了深度可分离卷积的计算优势，对比了V1-V3在结构优化（如倒置残差、注意力机制）上的创新。通过PyTorch实战演示了MobileNetV2的图像分类全流程，包括数据预处理、迁移学习配置和模型训练。最后提供了版本选型建议（V2工业首选/V3高精度需求）、模型优化技巧（量化/剪枝）和移动端部署方案。该教程完整覆

 大雨淅淅1999
2026-06-11 21:58:20

 279

 9

#深度学习 #神经网络 #人工智能 +4
基于神经网络的汽车与自行车的分类算法设计与实现，采用ResNet50和迁移学习，准确率达到99%

随着智能交通系统和自动驾驶技术的快速发展，车辆自动识别成为计算机视觉领域的重要研究方向。自行车与汽车作为城市交通中两类主要的交通工具，其准确分类对于交通流量监测、违章检测、辅助驾驶等应用具有重要意义。然而，由于光照变化、拍摄角度、车型多样性等因素的影响，传统图像分类方法难以实现高鲁棒性识别。本文针对自行车与汽车图像分类任务，设计并实现了基于卷积神经网络（CNN）的分类系统。首先，构建了包含4000

叫我：松哥
2026-06-11 21:31:40

 596

 8

#神经网络 #汽车 #分类 +4
基于卷积神经网络的人脸情绪识别算法，引入残差连接与SE注意力模块

人脸情绪识别是人机交互领域的重要研究方向，具有广泛的应用前景。本文针对FER-2013数据集，研究基于卷积神经网络（CNN）的情绪识别算法。首先构建基准CNN模型，分析其在各类别上的性能瓶颈。针对Fear、Sad等弱势类别识别率低的问题，引入残差连接与SE注意力模块改进网络结构；同时采用增强型数据增强（包括Cutout、亮度/对比度调整）和困难样本过采样策略提升模型泛化能力。实验结果表明，优化后的

 叫我：松哥
2026-06-11 21:24:18

 489

 7

#cnn #算法 #人工智能 +3
▲基于Qlearning强化学习和BP神经网络的自主联合无线资源管理(JRRM)算法matlab仿真

本文提出了一种基于Q学习与BP神经网络的自主联合无线资源管理(JRRM)算法，用于B3G/5G异构无线网络环境。该算法通过马尔可夫决策过程建模JRRM问题，设计包含网络负载、业务类型和带宽请求的多维状态空间，以及"接入技术×带宽分配"的复合动作空间。采用BP神经网络作为Q函数逼近器，解决了高维状态空间下的存储与泛化问题。仿真结果表明，算法能有效降低会话阻塞率至10%以下，提升频

 fpga和matlab
2026-06-11 21:09:49

 658

 24

#神经网络 #人工智能 #深度学习
基于数据驱动的 Koopman 算子的递归神经网络模型线性化，用于纳米定位系统的预测控制研究附Matlab代码

在现代科技领域，纳米定位系统对于许多精密任务至关重要，如半导体制造、生物医学成像和纳米材料研究等。实现高精度的纳米定位控制面临诸多挑战，传统控制方法在处理这类高度非线性和复杂动态系统时往往效果不佳。基于数据驱动的方法结合 Koopman 算子理论以及递归神经网络（RNN），为纳米定位系统的预测控制开辟了新途径。通过将 RNN 模型线性化，能够有效简化系统分析与控制设计，提高纳米定位系统的控制精度和

 Matlab科研工作室
2026-06-11 20:54:39

 39

#神经网络 #matlab #人工智能
基于数据驱动的 Koopman 算子的递归神经网络模型线性化，用于纳米定位系统的预测控制研究附Matlab代码

在现代科技领域，纳米定位系统对于许多精密任务至关重要，如半导体制造、生物医学成像和纳米材料研究等。实现高精度的纳米定位控制面临诸多挑战，传统控制方法在处理这类高度非线性和复杂动态系统时往往效果不佳。基于数据驱动的方法结合 Koopman 算子理论以及递归神经网络（RNN），为纳米定位系统的预测控制开辟了新途径。通过将 RNN 模型线性化，能够有效简化系统分析与控制设计，提高纳米定位系统的控制精度和

 matlab科研助手
2026-06-11 20:51:09

 19

#神经网络 #matlab #人工智能
RBF神经网络的Spread参数是什么意思

本文介绍了RBF神经网络中spread参数的作用。spread控制径向基函数的宽度，默认值为1。当spread过小时会导致模型过拟合，曲线不平滑；适当增大spread可使样本间曲线过渡更平滑。但spread也不宜过大，否则会降低模型对局部细节的拟合能力。该参数需要合理设置以平衡模型的平滑性和局部拟合能力。

老饼讲解-BP神经网络
2026-06-11 17:03:35

 170

 7

#神经网络 #人工智能 #深度学习
AI算力底层逻辑：CUDA、AI框架与行业硬件选型

本文系统解析了AI算力系统的三大核心要素：CUDA、AI框架与硬件选型。CUDA作为底层算力标准，通过驱动和cuDNN等组件实现GPU调度；主流AI框架（PyTorch/TensorFlow/PaddlePaddle）各有适用场景；硬件选型需根据训练/推理需求匹配算力卡（如H800/A10/L4等），并结合行业特点（如大模型训练需多卡互联，工业质检需稳定运行）。三者协同决定了AI项目的效率、稳定性

 大模型服务器厂商
2026-06-11 16:54:33

 216

 8

#人工智能 #深度学习 #神经网络