HelloWorld 开发者社区
科技资讯
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
开源项目
全部项目推荐好文
LSTM 又回来了! 新论文使用LSTM挑战长序列建模的 ViT
不到两年的时间ViT已经彻底改变了计算机视觉领域,利用transformers强大的自注意机制来替代卷积,最近诸如MLPMixer和通过精心设计的卷积神经网络(CNN)等方法也已经实现了与ViT相当的性能。在新论文Sequencer:DeepLSTMforImage
GAN能进行股票预测吗?
机器学习是未能完全解决的一个领域是股票预测,因为它可能是最有利可图的研究领域之一所以在这方面的研究仍然在继续。投资者希望能够放心地把钱投在表现优异的公司,随着投资的增加,公司的发展也将会突飞猛进,投资的收益也会增长。在过去的研究中,出现了而很多的方式,但这些方式和方法并不是很成功,所以本文将这个
Residual, BottleNeck, Inverted Residual, MBConv的解释和Pytorch实现
上篇ConvNext的文章有小伙伴问BottleNeck,InvertedResidual的区别,所以找了这篇文章,详细的解释一些用到的卷积块,当作趁热打铁吧在介绍上面的这些概念之间,我们先创建一个通用的convnormact层,这也是最基本的卷积块。<pre<codefro
斯坦福NLP课程 | 第7讲 - 梯度消失问题与RNN变种
!ShowMeAI研究中心(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/adf720538cc2851be92b562534658ab3.png)作者:韩信子(https://link.segmentfault.
斯坦福NLP课程 | 第6讲 - 循环神经网络与语言模型
!ShowMeAI研究中心(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/adf720538cc2851be92b562534658ab3.png)作者:韩信子(https://link.segmentfault.
NLP教程(5) - 语言模型、RNN、GRU与LSTM
!ShowMeAI研究中心(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/adf720538cc2851be92b562534658ab3.png)作者:韩信子(https://link.segmentfault.
使用PyTorch复现ConvNext:从Resnet到ConvNext的完整步骤详解
ConvNext论文提出了一种新的基于卷积的架构,不仅超越了基于Transformer的模型(如Swin),而且可以随着数据量的增加而扩展!今天我们使用Pytorch来对其进行复现。下图显示了针对不同数据集/模型大小的ConvNext准确度。!(https://imghello
Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性
原文链接:http://tecdat.cn/?p26562(https://link.segmentfault.com/?encBa%2FRP5XOhmfMLUTy7wwHlQ%3D%3D.1w2oD2Gquho2DPhl%2FnSGr08VxFaDVHm3k%2FnLgQCG3DA%
社区项目分享 | 用 Jina 搭建一个电影推荐系统
我们每天都在接触推荐系统,短视频、电商、外卖、演出、广告……今天,我们将演示JinaAI社区用户 Achintya的项目,他用Jina搭建了一个电影推荐系统。电影推荐系统原理概览在这个Demo中,作者将电影推荐转换成了文本搜索问题。系
神经网络与傅立叶变换有关系吗?
机器学习和深度学习中的模型都是遵循数学函数的方式创建的。从数据分析到预测建模,一般情况下都会有数学原理的支撑,比如:欧几里得距离用于检测聚类中的聚类。傅里叶变换是一种众将函数从一个域转换到另一个域的数学方法,它也可以应用于深度学习。本文将讨论傅里叶变换,以及如何将其用于深度学习领域。
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。