在自然语言处理和序列建模领域，神经网络架构经历了显著的演变。从早期的循环神经网络（RNN）到现代的Transformer架构，这一演变代表了深度学习方法在处理序...

激活函数与损失函数这对"神经网络双生子"的完美协作，创造了从MNIST手写识别到AlphaFold蛋白质预测的人工智能奇迹。它们的本质区别恰是其强大力量的来源：

在人工智能和机器学习的广阔领域中，多层感知机(Multilayer Perceptron, MLP)作为神经网络家族中最基础且最具代表性的成员，承载着特殊的历史...

在深度学习席卷全球的浪潮中，有一种基础而强大的模型始终扮演着关键角色——它就是前馈神经网络（FNN）。

我们正在从BP神经网络过渡到卷积神经网络，需要理解神经网络的核心任务：学习数据中的特征表示并进行预测或分类。

神经网络的世界远比你想象得更丰富多元。从基础架构到前沿融合模型，我为你梳理了当前最值得关注的神经网络类型，不仅包括那些“教科书级”的经典模型，也覆盖了正在改变行...

神经网络作为深度学习的基础，其灵感来源于人脑神经元的工作机制。1986年，Rumelhart等人提出的反向传播算法（Backpropagation）彻底改变了神...

在智慧农业全面加速的时代背景下，单一维度的监测手段已无法满足精细化管理的需求。农户不再只关注“有没有虫害”，而是更关注“虫在哪、田块处于什么状态、该怎么处理”。...

本文提出一种“DSCAM-增强 GoogLeNet 检测”策略，将传统 GoogLeNet 模型无损替换为融合颜色注意力机制的改进版本，既保持了与原始架构及高效...

在工业质检中，发现异常并不难，但“认识”异常却很难。现有检测方法大多只能告诉你“这有问题”，却无法说明“出了什么问题”，更别提识别此前未曾见过的“新型缺陷”。

在智能制造日益普及的今天，工业质检面临着精度与效率的双重挑战。本文将聚焦电子制造与玻璃制造两个关键行业，分别介绍用于PCB板缺陷检测与玻璃表面缺陷分割的高质量数...

如何在保证实时性的同时大幅提升PCB缺陷检测的准确率？来自北京大学的YOLO-pdd框架将YOLOv5与多尺度特征提取模块Res2Net融合，在保留检测速度优势...

语音信号是人类进行交流的主要途径之一，语音处理涉及许多学科，以心理、语言和声学等为基础，以信息论、控制论和系统论等理论作为指导，通过应用信号处理、统计分析和模式...

在目标检测领域，YOLO系列以其高效的推理速度广受欢迎，而Transformer结构则在精度上展现出强大潜力。如何兼顾二者优势，打造一个“又快又准”的模型，是近...

万万没想到，「幻觉」这个词，竟然是 AI 大牛 Andrej Karpathy 命名的。

今日（7 月 26 日），人工智能之父、图灵奖得主和诺奖得主 Geoffrey Hinton 首次以线下形式在中国公开亮相。在 2025 世界人工智能大会上，H...

本文提出了一种面向无人机（UAV）桥梁检测场景的深度学习模型选型框架，核心在于对YOLO系列最新变体（v5, v6, v7, v8）共23个模型在专用桥梁细节数...

►今生：2017年Transformer架构被提出；2022年底，ChatGPT横空出世

生物大分子在进化过程中形成的互作关系，使得生命系统能够在不同的时间和空间尺度上传导信号和能量。若能有效利用这些广泛互作关系中的模式，将为分子设计和治疗开发带来巨...

本文系统回顾了YOLO在多模态目标检测领域的最新进展，重点梳理了当前主流研究中如何结合红外、深度图、文本等多源信息，解决单一RGB模态在弱光、遮挡、低对比等复杂...