神经网络
0 人感兴趣 · 86 次引用
- 最新
- 推荐
基于图神经网络的推荐算法
图神经网络(Graph Neural Networks,GNN)是近几年兴起的学科,用来作推荐算法自然效果也相当好,但是要学会基于图神经网络的推荐算法之前,需要对图神经网络自身有个了解。
不同编程语言的程序，能够被 ChatGPT 自动生成的可能性的一些思考
一种看法认为，一门编程语言使用者越多，生态圈越繁荣，这就意味着可以用来训练卷积神经网络的代码越多，那么 ChatGPT 生成此类编程语言的代码也就越精确。 卷积神经网络是一种前馈神经网络，主要用于图像、视频、语音等信号的处理和分类任务。
MegEngine 使用小技巧：使用 Optimizer 优化参数
神经网络的学习的目的是找到使损失函数的值尽可能小的参数。这是寻找最优参数的问题，解决这个问题的过程称为优化（optimization）。而由于参数空间复杂、参数数量庞大等原因，使得神经网络的优化问题非常难。
PyTorch 深度学习实战 |用 TensorFlow 训练神经网络
为了更好地理解神经网络如何解决现实世界中的问题，同时也为了熟悉TensorFlow的API，本篇我们将会做一个有关如何训练神经网络的练习，并以此为例，训练一个类似的神经网络。
详解 ResNet 网络，如何让网络变得更“深”了
残差网络(ResNet)的提出是为了解决深度神经网络的“退化”（优化）问题。ResNet 通过设计残差块结构，调整模型结构，让更深的模型能够有效训练更训练。
深度学习入门篇 | 常用的经典神经网络模型
神经网络，是模拟生物神经网络进行信息处理的一种数学模型。它以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机制，实现一些特定的功能。神经网络是目前最火的研究方向深度学习的基础，本文将神经网络分成三个主要类别，并详细介绍了每个类别
基于高效采样算法的时序图神经网络系统 (二)
上一期文章中讲述了在时序图神经网络中的高效图采样算法，本期文章将重点讲述如何进行高效的时序图神经网络的训练。
Hugging Face：成为机器学习界的“GitHub”
AI届网红公司“抱抱脸（Hugging Face）”有志于成为“软件2.0”时代的GitHub。在Hugging Face上，用户可以托管机器学习模型和数据集等，对它们进行共享、协作和评价，最后将它们投入生产应用，这种模式有点像Github上的托管和协作模式。
基于高效采样算法的时序图神经网络系统（一）
图数据是一种非结构化的数据，但能够蕴含很多结构化数据中无法蕴含的信息。图数据无处不在，世界上大部分数据都能够用图数据来表达。为了高效的提取图特征，图神经网络是一种非常重要的图特征提取方式。图神经网络在各个领域被广泛应用，例如：金融网络、交通
Geoffrey Hinton：深度学习的下一个大事件
在当今享誉世界的AI科学家中，深度学习教父Geoffery Hinton也许拥有最为与众不同的研究思维——他喜欢按直觉行事，更倾向于运用类比，研究生涯中的神来之笔大都源自瞬间迸发的思维火花。
18 张图，直观理解神经网络、流形和拓扑
神经网络是一个黑匣子：如果神经网络训练得很好，可以获得高质量的结果，但很难理解它的工作原理。如果神经网络出现故障，也很难找出问题所在。
