摘要：反向传播指的是计算神经网络参数梯度的方法。 本文分享自华为云社区《反向传播与梯度下降详解》，作者：嵌入式视觉 。 一，前向传播与反向传播 1.1，神经网络训练过程 神经网络训练过程是： 先通过随机参数“猜“一个结果（模型前向传播过程），这里称为预测结果 a； 然后计算 a 与样本标签值 y 的
摘要：本文深度讲解了卷积计算的原理，并详细介绍了构成所有卷积网络主干的基本元素，包括卷积层本身、填充和步幅的基本细节、用于在相邻区域汇聚信息的汇聚层，最后给出卷积层和汇聚层的代码示例和CNN框架结构图。 本文分享自华为云社区《神经网络基础部件-卷积层详解》，作者： 嵌入式视觉 。 前言 在全连接层构
在前端里面有一个很重要的概念，也是最原子化的内容，就是 AST ，几乎所有的框架，都是基于 AST 进行改造运行，比如：React / Vue /Taro 等等。 多端的运行使用，都离不开 AST 这个概念。在大家理解相关原理和背景后，我们可以通过手写简单的编译器，简单实现一个 Javascript 的代码编译器，编译后在浏览器端正常运行。
对 AST 有了初步的认识，还有常规的代码改造应用实践，现在我们来详细说说使用 AST， 如何进行代码改造？
作者：京东科技 李玉亮 目录指引 限流场景 软件系统中一般有两种场景会用到限流： •场景一、高并发的用户端场景。 尤其是C端系统，经常面对海量用户请求，如不做限流，遇到瞬间高并发的场景，则可能压垮系统。 •场景二、内部交易处理场景。 如某类交易任务处理时有速率要求，再如上下游调用时下游对上游有速率要
在本文中，我们深入探讨了交叉熵函数作为一种重要的损失函数，特别适用于神经网络训练中。交叉熵通过衡量真实标签分布与模型预测分布之间的差异，帮助优化模型的性能。我们从信息论的角度解释了交叉熵的概念，它是基于Shannon信息论中的熵而来，用于度量两个概率分布之间的差异。
Oracle临时表在处理临时数据、会话数据隔离和复杂查询优化方面非常有用。 其底层逻辑是通过Oracle特殊的临时表来减少I/O操作和日志开销，提高了数据库性能和查询效率。开发者可以根据具体需求和场景，合理使用临时表来简化数据处理逻辑和提高系统性能。 早期开发人员在使用Oracle数据库时，经常因为
概要 现代基于深度学习的模型在语音增强任务方面取得了显著的性能改进。然而，最先进模型的参数数量往往太大，无法部署在现实世界应用的设备上。为此，我们提出了微小递归U-Net（TRU-Net），这是一种轻量级的在线推理模型，与当前最先进的模型的性能相匹配。TRU-Net的量化版本的大小为362千字节，足
具体的软硬件实现点击 http://mcu-ai.com/ MCU-AI技术网页_MCU-AI 关键词识别 (KWS) 是人机界面的主要组成部分。 KWS 的目标是在低误报 (FA) 率下最大化检测精 度，同时最小化占用空间大小、延迟和复杂性。为 了实现这些目标，我们研究了卷积循环神经网络 (CRN
又是 AI 神仙打架的一周，上周 OpenAI 发布了最新的 GPT-4o 模型，而谷歌也紧跟着开源了 Gemma 2 模型。随着 AI 大模型不断地变强，各大科技巨头正利用它们重塑自家的产品，这也让大模型算法工程师变得炙手可热，相关岗位需求正旺。 对于普通程序员来说，想要转型成为大模型算法专家，可
具体的软硬件实现点击 http://mcu-ai.com/ MCU-AI技术网页_MCU-AI 婴儿哭闹识别是一项具有挑战性的任务，因为很难确定能够让研究人员清楚区分不同类型哭闹的语音特征。然而，婴儿哭闹被视为一种不同的言语交流方式。利用适当的人工智能模型，利用梅尔倒谱系数（MFCC）可以区分婴儿哭
具体的软硬件实现点击 http://mcu-ai.com/ MCU-AI技术网页_MCU-AI 咳嗽检测是一种很有前途的检测呼吸道疾病各种病理严重程度的技术。自动咳嗽检测系统的开发将成为早期诊断的最佳跟踪工具。长期以患者为中心的远程咳嗽严重程度监测将改变医疗基础设施的游戏规则，因为在过去几十年中，远
具体的软硬件实现点击 http://mcu-ai.com/ MCU-AI技术网页_MCU-AI 我们提出了一种利用由长短期记忆 (LSTM) 单元构建的深度循环神经网络来降 噪心电图信号 (ECG) 的新方法。该网络使 用动态模型 ECG 生成的合成数据进行预训 练，并使用来自 Physionet
具体的软硬件实现点击 http://mcu-ai.com/ MCU-AI技术网页_MCU-AI 打鼾是一种普遍的症状，严重影响睡眠呼吸障碍患者（单纯打鼾者）、阻塞性睡眠呼吸暂停（OSA）患者及其床伴的生活质量。研究表明，打鼾可用于OSA的筛查和诊断。因此，从夜间睡眠呼吸音频中准确检测打鼾声一直是最重
本文分享自华为云社区《Python与Geopandas：地理数据可视化与分析指南》，作者：柠檬味拥抱。 地理数据可视化在许多领域都是至关重要的，无论是研究地理空间分布、城市规划、环境保护还是商业决策。Python语言以其强大的数据处理和可视化库而闻名，而Geopandas作为其地理信息系统（GIS）
具体的软硬件实现点击 http://mcu-ai.com/ MCU-AI技术网页_MCU-AI人工智能 本文介绍了一种用于实时语音增强的双信号变换 LSTM 网络 (DTLN)，作为深度噪声抑制挑战 (DNS-Challenge) 的一部分。该方法将短时傅立叶变换 (STFT) 和学习分析和综合基础
具体的软硬件实现点击 http://mcu-ai.com/ MCU-AI技术网页_MCU-AI人工智能 卷积神经网络（CNN）通过从原始数据中自动学习层次特征表示，在图像识别任务中取得了巨大成功。虽然大多数时间序列分类（TSC）文献都集中在1D信号上，但本文使用递归图（RP）将时间序列转换为2D纹理
经过 Tokenize 之后，一串文本就变成了一串整数组成的向量。OpenAI 的 Tiktoken 是 更高级的 Tokenizer ， 编码效率更高、支持更大的词汇表、计算性能也更高。 OpenAI在其官方GitHub上公开了一个开源Python库：tiktoken，这个库主要是用力做字节编码对
本文展示了自然语言处理的下一步发展——模块化推理、知识和语言（ the Modular Reasoning, Knowledge and Language，简称为MRKL）系统以及LangChain和Semantic Kernel的实现。 MRKL 系统包括一个或多个语言模型，并通过外部知识源和符号
> 本文全面探讨了卷积神经网络CNN，深入分析了背景和重要性、定义与层次介绍、训练与优化，详细分析了其卷积层、激活函数、池化层、归一化层，最后列出其训练与优化的多项关键技术：训练集准备与增强、损失函数、优化器、学习率调整、正则化技巧与模型评估调优。旨在为人工智能学者使用卷积神经网络CNN提供全面的指
