#深度学习
共 73 篇相关文章

AlignedHPO:让损失函数超参自动调优,速度提升12倍
AlignedHPO 提出用梯度对齐和可微代理指标高效调优损失函数超参数,通过 Jacobian-vector 乘积将超梯度计算速度提升近 12 倍,在长尾分类和开集人脸识别任务上验证有效。

AI校正牙科全景片摆位误差,避免重拍
牙科全景片摆位误差常导致重拍。一项研究用物理模拟器生成配对数据,对比U-Net、pix2pix、条件扩散等五种AI方法,发现误差感知模型在校正任务中表现更优,为减少重拍提供新思路。

人类预报员讨论能为台风强度预测增值多少?
一项研究用深度学习量化美国国家飓风中心预报员讨论文本对台风强度预测的增值:仅文本在24小时预报上可比SHIPS数值因子,融合后风速预报误差从9.89节降至8.90节,但快速增强阶段覆盖不足,且因时序差不能直接业务化。

PyTorch张量从入门到实战:核心概念与操作全解析
系统解析PyTorch张量核心概念:标量、向量、矩阵与高维张量的关系,设备管理与CPU/GPU切换,广播机制、reshape形状变换、矩阵乘法规则及transpose与permute换轴操作,附实战代码讲解。

FreePath:神经平均自由程如何革新图像去雾
FreePath提出神经平均自由程框架,将图像去雾视为特征空间路径状态恢复,通过路径场与碰撞场学习物理约束校正,在CDD-11和RTTS数据集上优于基线方法。

神经网络本质是线性回归?华为300集AI课讲师用TensorFlow Playground讲透深度学习
华为300集AI深度学习教程中,讲师用TensorFlow Playground演示神经网络本质是线性回归,讲透机器学习与深度学习在特征工程上的核心差异,以及2012年大数据时代为何成为深度学习崛起的分水岭。

一张心电图就能预测癌症风险?ECG2Gene深度学习框架解读
解读ECG2Gene深度学习框架:利用常规12导联心电图推导肿瘤易感基因相关数字表型,结合XGBoost预测乳腺癌、卵巢癌与前列腺癌风险,并分析其AUROC表现与方法学局限。

混合物理量时间序列如何编码?Reddit热议DL模型输入策略
Reddit社区讨论深度学习模型处理混合物理量时间序列的编码策略,涵盖时间、速度、位置等连续变量的归一化与嵌入方法,以及注意力模型下的多量融合技巧。

深度学习求解偏微分方程:就业前景与学习方向漫谈
一位北大数据科学方向研究者结合面试经历,剖析深度学习求解偏微分方程的技术门槛、学术灌水现象、精度瓶颈与就业现实,并给出学习方向建议。

两阶段深度学习框架实现新生儿脑病变分级检测
解读Reddit热议论文:两阶段深度学习框架如何从MRI中分级检测新生儿脑病变,分析其定位加分类的分层设计逻辑、临床考量与落地挑战。

深度学习杂波抑制:多基地ISAC实现高精度定位测速
解读多基地ISAC最新研究:针对5G及未来信号感知中稠密动态杂波导致定位测速误差的问题,对比传统信号处理基线,引入残差与注意力增强的深度学习杂波抑制方法,在多样杂波条件下显著提升目标位置与速度估计精度。

手算Transformer前向传播:逐矩阵理解大模型
一位Reddit用户分享通过手算Transformer前向传播的每个矩阵来理解大模型内部机制的方法,涵盖位置编码、编码器形状不变性以及BERT与编码器的关系,并附有分步练习资源。

PreCap激活函数:无归一化百层MLP匹敌SELU
独立研究者发布PreCap激活函数,在100层MLP上无归一化匹配SELU性能,采用预注册和严格统计,诚实报告负面结果,并提供CUDA与MLX实现。

扩散模型入门到精通:原理推导与DiT源码实战
扩散模型仍是论文创新与模型改良的热门方向。本文整理零基础学习路径:从理清前向扩散与反向生成的核心逻辑,到用DiT轻量化工具包逐行吃透源码,再到结合精选论文摸清加速与轻量化创新思路,避免只会跑代码不懂原理的常见弯路。

零基础吃透扩散模型:从加噪到去噪的完整推导
零基础也能看懂的扩散模型原理详解:从GAN的局限讲起,完整推导前向加噪与反向去噪公式,解释为什么需要神经网络预测噪声,附UNet结构与代码实现要点。

零基础学扩散模型:原理、工具与创新路径全解析
基于B站热门教程,系统梳理扩散模型零基础学习路径:从核心理论推导的取舍,到DiT工具包源码实操,再到模型加速与轻量化创新思路,帮助读者避开只啃理论或只跑代码的常见误区。

AI如何模仿“混乱”的人类心智?从随机性到幻觉的启示
助理教授Benjamin Lindquist研究早期AI工程师如何刻意注入随机性,催生深度学习模型并导致幻觉。本文分析随机性如何模仿人类心智的“混乱”,探讨AI幻觉的起源与启示。

深度学习FYP选题指南:Reddit社区建议与实战思路
Reddit社区热议深度学习FYP选题:如何平衡教授偏好与职业发展?本文汇总计算机视觉、NLP、生成模型等热门方向及避坑指南,助你选出高分毕业设计。

