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。