AI【基础 01】神经网络基础知识（不断进行补充整理）
本人是AI小白，以下内容来自Jay Alammar的A Visual and Interactive Guide to the Basics of Neural Networks 仅对文章内的名词进行了解释补充。 1.基础知识 1.1 回归模型 回归模型是一种用于预测数值输出的统计模型。它主要用于建...
AI学术交流——“人工智能”和“神经网络学习”
前言本章将会讲解AI中人工智能与神经网络的学习，了解人工智能的发展史，与神经网络。一.人工智能1.“人工智能之父”艾伦·麦席森·图灵英国数学家、逻辑学家，被称为计算机科学之父，人工智能之父。图灵对于人工智能的发展有诸多贡献，提出了一种用于判定机器是否具有智能的试验方法，即图灵试验，每年都有试验的比赛...
神经网络优化：提高AI模型性能的策略
欢迎来到我的博客！在今天的文章中，我们将探讨一个关键性的话题：神经网络优化。神经网络是人工智能的核心组成部分，而优化则是确保神经网络模型性能达到最佳的关键步骤。本文将介绍神经网络优化的基本策略、常见技术以及优化的影响。 神经网络优化的重要性 神经网络是深度学习的核心模型，它可以通过学习大量数据来实现...
重新审视AI，神经网络中概念符号涌现的发现与证明（2）
神经网络是否建模了清晰、符号化的概念表征有了这一指标，我们进一步探索上面提到的核心问题：神经网络是否真的能从训练任务中总结出清晰的、符号化的、概念化的表征？所定义的交互概念真的能表示一些有意义的 “知识”，还是仅仅是一个纯粹从数学上凑出来的没有明确意义的 tricky metrics？为此，我们从以...
重新审视AI，神经网络中概念符号涌现的发现与证明（1）
该研究发现在大部分情况下，神经网络的表征是清晰的、稀疏的、符号化的。本文围绕近期的两项工作，讨论神经网络中符号概念的涌现现象，即『深度神经网络的表征是否是符号化的』的问题。如果我们绕开 “应用技术提升” 的视角，从 “科学发展” 的角度来重新审视 AI，证明 AI 模型中的符号涌现现象无疑是具有重大...
中山大学HCP Lab团队：AI解题新突破，神经网络推开数学推理大门（三）
论文 7：Template-based Contrastive Distillation Pre-training for Math Word Problem SolvingJinghui Qin*, Zhicheng Yang*, Jiaqi Chen, Xiaodan Liang and Lia...
中山大学HCP Lab团队：AI解题新突破，神经网络推开数学推理大门（二）
论文5：LogicSolver: Towards Interpretable Math Word Problem Solving with Logical Prompt-enhanced LearningFindings of the Association for Computational Li...
中山大学HCP Lab团队：AI解题新突破，神经网络推开数学推理大门（一）
本文对中山大学人机物智能融合实验室（HCP Lab）在数学解题领域的一系列研究进行了简要介绍，这些工作主要由 HCP 实验室秦景辉博士等人完成。该系列工作获得国家科技创新 2030 重大项目 “因果推理与决策理论模型研究” 支持。 人类在成长过程的不同阶段均需要掌握很多的知识点来求解大量的...
超低功耗AI芯片：神经脉冲只需同类神经网络能量的0.02%
这种人工智能芯片达到了新的超低功耗。人类大脑并不是很大，却承载着所有的计算任务。出于这一原因，许多研究者开始对创建模拟大脑神经信号处理的人工网络感兴趣。这种人工网络被称为脉冲神经网络（spiking neural networks, SNN）。脉冲神经网络最早由 Maass 教授于 1997 年提出...
GNN for Science: 腾讯AI Lab、清华共同发文综述等变图神经网络
近年来，越来越多的人工智能方法在解决传统自然科学等问题上大放异彩， 在一些重要的学科问题（例如蛋白质结构预测）上取得了令人瞩目的进展。在物理领域的研究中，非常多的物理问题都会涉及建模物体的的一些几何特征，例如空间位置，速度，加速度等。这种特征往往可以使用几何图这一形式来表示。不同于一般...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
