神经网络标签_开源鸿蒙跨平台开发者社区

神经网络

（DQN）Deep Q Learning深度学习神经网络优化解决二维栅格地图路径规划研究（Matlab代码实现）

本文聚焦于二维栅格地图路径规划问题，深入探讨深度Q学习（DQN）算法在该领域的应用及神经网络优化策略。通过构建基于DQN的路径规划模型，结合经验回放、目标网络等关键技术，有效解决了传统路径规划算法在复杂环境中的局限性。实验结果表明，优化后的DQN模型在路径规划效率、准确性和适应性方面均表现出显著优势，为智能机器人在复杂环境中的自主导航提供了理论支持与实践参考。

吃兔子的大脑腐
2026-01-03 10:40:13

 563

 27

#深度学习 #神经网络 #matlab +1
【GRNN-RBFNN-ILC算法】【轨迹跟踪】基于神经网络的迭代学习控制用于未知SISO非线性系统的轨迹跟踪（Matlab代码实现）

针对未知单输入单输出（SISO）非线性系统的轨迹跟踪问题，传统控制方法（如PID、模型预测控制）往往因系统非线性建模困难而效果受限。迭代学习控制（ILC）通过重复任务中的误差修正优化控制输入，但其性能依赖于系统模型的精确性。为解决这一问题，结合神经网络（NN）的数据驱动ILC方法被提出，其中广义回归神经网络（GRNN）与径向基函数神经网络（RBFNN）的结合（GRNN-RBFNN-ILC算法）展现

 wlz249
2025-04-14 09:08:56

 847

 17

#算法 #神经网络 #学习
标题：图神经网络：探索发散创新的无限可能=======================引言--在当今这个数据驱动的时代，图神经网络（Graph Neural Networks，简称GNN）已经成为处理

图神经网络是一种适用于图结构数据的深度学习技术。通过借鉴卷积神经网络（CNN）和循环神经网络（RNN）的思想，图神经网络能够在图结构上进行高效的节点分类、边预测和图级别分类等任务。其核心思想是通过逐层传播，学习节点的嵌入表示，进而挖掘图结构中的复杂模式。图神经网络作为一种新兴的深度学习技术，在处理复杂图结构数据方面展现出了巨大的潜力。本文介绍了图神经网络的原理、应用领域以及创新发展方向，并通过实践

 2501_91769822
2025-06-20 11:32:26

 85

#神经网络 #人工智能 #深度学习
Collaborative Transformer-CNN Learning

where Aiu,v_i^{u,v}iu,v denotes the element作者未提供代码且表格中的FL意义不明

 宇来风满楼
2025-06-25 15:49:44

 171

 2

#算法 #人工智能 #神经网络 +1
基于动态神经网络NARX/GRNN/BP/RBF的IBM收盘价预测-时间序列预测附Matlab代码

基于 NARX 神经网络的预测：NARX 即外因输入非线性自回归网络，可根据时间序列 y (t) 的过去值和另一个时间序列 x (t) 的过去值来预测 y (t) 的将来值。在 IBM 收盘价预测中，可将过去的收盘价作为 y (t)，将相关经济指标等（若有）作为 x (t)。构建 NARX 网络通常是双层前馈网络，隐藏层用 sigmoid 传递函数，输出层用线性传递函数，通过设置合适的时滞值等参数

 j_jinger
2026-03-01 09:33:42

 629

 15

#神经网络 #matlab #人工智能
深度学习：微调RNN和CNN模型

本文深入探讨了使用循环神经网络（RNN）进行单词预测训练的过程，以及微调卷积神经网络（CNN）模型的实践。介绍了训练神经网络的关键阶段，包括数据的前向传播、损失计算、权重调整及反向传播。特别强调了超参数（如隐藏层和神经元的数量、学习率、批量大小）的微调对于模型性能优化的重要性，并通过示例代码展示了如何应用这些微调技术。

顾凯之
2025-04-03 10:05:00

 547

 5

#深度学习 #神经网络
OCR 原理：从像素到文本的智能转换

OCR技术通过深度学习实现图像文字到可编辑文本的智能转换，主要流程包括：图像预处理优化质量、基于深度学习的文本检测定位、端到端的CRNN模型识别字符序列、后处理纠错优化，最终生成结构化文本。现代OCR利用数据训练自动学习像素到字符的映射，实现对复杂场景文字的准确识别。

sos62317
2026-03-11 15:12:52

 490

 3

#数据结构 #算法 #python +3
秩的凋零：论神经网络初始化中权重退化的收敛困局

在线性代数的视角下，一个理想的权重矩阵W∈Rn×nW∈Rn×n应当具备满秩（Full Rank）的潜力。然而，如果初始化不当，导致WWW的行列式接近于零，或者其奇异值（Singular Values）分布呈现极端的不均匀（最大奇异值与最小奇异值之比，即条件数 Condition Number极大），矩阵便趋于“奇异”。权重矩阵正在执行一种“降维打击”。它将输入的丰富特征空间强行压缩到一个极低维的子

 心瞳几何
2026-02-19 09:39:49

 597

 17

#神经网络 #人工智能 #深度学习
【GRNN-RBFNN-ILC算法】【轨迹跟踪】基于神经网络的迭代学习控制用于未知SISO非线性系统的轨迹跟踪附Matlab代码

在工业自动化、智能驾驶、机器人操作等领域，大量动态系统呈现出单输入单输出（SISO）非线性特性，且普遍存在模型未知、参数时变及外部扰动等问题，其轨迹跟踪控制一直是控制理论与工程实践的核心难点。传统控制方法如PID控制、模型预测控制等依赖精确的系统数学模型，在未知非线性系统中难以实现高精度轨迹跟踪；迭代学习控制（ILC）虽能通过重复任务中的误差修正优化控制输入，但对系统模型依赖性较强，面对未知动态特

 j_jinger
2026-01-11 20:33:59

 1073

 24

#算法 #神经网络 #学习
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法，用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪（Matlab代码实现）

摘要本文提出了一种基于神经网络的（NN-based）数据驱动迭代学习控制（ILC）算法，用于具有未知模型和重复任务的非线性单输入单输出（SISO）离散时间系统的跟踪问题。控制目标是使系统的输出在每次迭代过程中跟踪参考轨迹。因此，在每次迭代过程的每个相对时间点上，使用广义回归神经网络（GRNN）作为估计器来解决系统的关键参数，并使用径向基函数神经网络（RBFNN）作为控制器来解决控制输入。

老杰爱编程
2025-11-28 05:30:52

 386

 3

#神经网络 #学习 #算法 +1
时序预测 | MATLAB实现IWOA-BiLSTM和BiLSTM时间序列预测(改进的鲸鱼算法优化双向长短期记忆神经网络)

时间序列预测是众多领域中一项至关重要的任务，从金融市场预测到气象预报，从交通流量控制到能源消耗管理，准确的时间序列预测都能够带来巨大的经济和社会效益。然而，时间序列数据的复杂性，例如非线性、非平稳性以及噪声的影响，使得精确预测成为一项极具挑战性的工作。近年来，深度学习技术，特别是循环神经网络 (RNN)及其变体，例如长短期记忆网络 (LSTM) 和双向长短期记忆网络 (BiLSTM)，在时间序列预

 Matlab算法改进和仿真定制工程师
2025-01-02 21:55:09

 883

 9

#matlab #算法 #神经网络
解锁毕业论文新姿势：书匠策AI，你的学术超级英雄！

在学术征途上，每一位即将毕业的大学生都怀揣着梦想与挑战，而毕业论文则是那座必须跨越的巍峨大山。面对这座大山，你是否曾感到迷茫、无助，甚至有些力不从心？别怕，今天，就让我带你认识一位学术界的超级英雄——书匠策AI，它将以科技之力，助你轻松征服毕业论文这座大山！书匠策AI官网，微信公众号搜一搜“书匠策AI”，一起开启学术新篇章！

书匠策AI学术
2026-03-26 10:52:55

 32

#人工智能 #深度学习 #神经网络 +4
Python----循环神经网络（GRU）

GRU（门控循环单元）是RNN的一种变体，旨在解决长期依赖问题，其结构比LSTM更简单高效。GRU通过更新门和重置门来管理信息流，更新门决定保留或遗忘当前输入的程度，而重置门则控制过去信息的保留或遗忘。在每个时间步，模型接收输入和上一时间步的隐藏状态，通过这两个门的调控，计算新的隐藏状态。GRU的结构简化了LSTM的记忆单元，使其在处理时间序列数据时更加灵活和高效。本文还介绍了如何使用PyTorc

蹦蹦跳跳真可爱589
2025-05-24 08:22:48

 1213

 38

#rnn #gru #人工智能 +3
DeepSeek-R1解读：纯强化学习，模型推理能力提升的新范式？

Datawhale干货作者：Jimmy.DU，Datawhale成员1. Impressive PointsLLM模型推理能力提升在LLM模型post-training中，仅使用强化学习（reinforcement learning，RL）提升模型推理能力，不再依赖有监督微调训练（supervised fine-tuning，SFT）。证明了LLM模型具有自行探索长思维链（chain-of-...

Datawhale
2025-01-27 18:23:29

 986

#人工智能 #深度学习 #机器学习 +2
LVQ_在工业数据处理中的应用(附DeepSeek行业解决方案100+)

在工业 4.0 时代，工业数据呈现出海量、复杂、多源等特点。如何从这些纷繁复杂的数据中提取有价值的信息，以实现工业生产的优化、故障诊断和预测等目标，成为了工业界和学术界共同关注的焦点。学习向量量化（Learning Vector Quantization，LVQ）作为一种监督式的神经网络算法，因其在数据分类和模式识别方面的优异性能，在工业数据处理领域得到了广泛的应用。本文将详细介绍 LVQ 算法的

 fanxbl957
2025-08-04 11:46:18

 761

 14

#神经网络
（DQN）Deep Q Learning深度学习神经网络优化解决二维栅格地图路径规划研究（Matlab代码实现）

本文聚焦于二维栅格地图路径规划问题，深入探讨深度Q学习（DQN）算法在该领域的应用及神经网络优化策略。通过构建基于DQN的路径规划模型，结合经验回放、目标网络等关键技术，有效解决了传统路径规划算法在复杂环境中的局限性。实验结果表明，优化后的DQN模型在路径规划效率、准确性和适应性方面均表现出显著优势，为智能机器人在复杂环境中的自主导航提供了理论支持与实践参考。

wlz249
2026-01-03 02:38:41

 248

 3

#深度学习 #神经网络 #matlab +1
入门AI必看！五大神经网络模型全解析

卷积层负责提取图像特征，池化层负责降低特征的维度，全连接层负责将特征映射到最终输出。类比： Transformer 就像一个翻译器，能够理解长句的意思，并将其翻译成另一种语言。类比： GAN 就像一场艺术比赛，生成器负责创作作品，判别器负责评判作品的真伪。类比： RNN 就像一个记忆专家，能够记住序列中的信息，并根据上下文进行预测。类比： LSTM 就像一个记忆专家，能够记住长期的信息，并根据上下

 华清远见西安中心
2025-08-22 10:28:26

 349

 6

#人工智能 #神经网络 #深度学习
图解CNN、RNN、LSTM

以上笔记参考自b站up主自然卷小蛮（），感兴趣的可以去深入了解。

m0_54180573
2025-03-25 19:31:51

 491

 3

#神经网络 #rnn #cnn +1
教师教学质量分析评价系统 A教育大模型

教师教学质量分析评价系统基于YOLOv12+RNN的深度学习算法，教师教学质量分析评价系统精准地检测到学生是否在玩手机、举手、睡觉、交头接耳、趴桌子、行走运动等行为。同时，该模型还能够捕捉学生的情绪表情，如开心、厌恶、愤怒、悲伤、沮丧、恐惧、无表情等。这些行为和表情数据被实时采集后，会被传递到情感模型中进行进一步的深度分析。情感模型通过对学生表情的分析，能够判断学生对课堂内容的情绪反应。系统会统计

 燧机科技SuiJi
2025-03-28 11:21:47

 412

 4

#深度学习 #计算机视觉 #人工智能 +1
LVQ_在交通流量预测中的应用

交通流量预测在智能交通系统中起着至关重要的作用。准确的交通流量预测可以帮助交通管理部门合理规划交通资源，引导交通流量，减少交通拥堵，提高交通效率。学习向量量化（Learning Vector Quantization，LVQ）作为一种有监督的神经网络算法，因其在模式识别和分类问题上的出色表现，近年来被逐渐应用于交通流量预测领域。本文将详细介绍 LVQ 在交通流量预测中的应用，包括 LVQ 算法原理

 fanxbl957
2025-04-17 14:11:23

 841

 20

#神经网络 #人工智能
图像质量评价(IQA)

本文介绍了图像质量评价（IQA）的方法与工具。图像质量评价分为主观和客观两类，其中客观评价又细分为全参考、半参考和无参考三种方式。文中推荐了GitHub上的IQA-PyTorch工具包，该工具包提供了多种评价指标和算法，包括PSNR、SSIM、LPIPS等。通过示例代码展示了如何使用pyiqa库进行图像质量评估，包括环境配置、模型选择（如arniqa模型）和测试流程。测试结果显示，对指定图片的评分

 乐正倩彦
2026-02-13 15:15:44

 356

 4

#人工智能 #神经网络 #python
【GRNN-RBFNN-ILC算法】【轨迹跟踪】基于神经网络的迭代学习控制用于未知SISO非线性系统的轨迹跟踪（Matlab代码实现）

针对未知单输入单输出（SISO）非线性系统的轨迹跟踪问题，传统控制方法（如PID、模型预测控制）往往因系统非线性建模困难而效果受限。迭代学习控制（ILC）通过重复任务中的误差修正优化控制输入，但其性能依赖于系统模型的精确性。为解决这一问题，结合神经网络（NN）的数据驱动ILC方法被提出，其中广义回归神经网络（GRNN）与径向基函数神经网络（RBFNN）的结合（GRNN-RBFNN-ILC算法）展现

 稷下科研社
2025-10-29 01:24:42

 269

 4

#算法 #神经网络 #学习 +1
【电力系统】MATLAB环境下基于神经网络的电力系统稳定性预测研究（Matlab代码实现）

本研究聚焦于MATLAB环境下利用神经网络技术预测电力系统稳定性，通过构建多层神经网络模型，分析不同负荷条件下的系统稳定状态。实验表明，神经网络在电力系统稳定性预测中展现出高精度和强适应性，能够有效捕捉系统动态特性，为电力调度提供可靠依据。研究采用BP神经网络和GRNN神经网络两种模型，结合电力系统历史数据，验证了神经网络在处理复杂非线性问题中的优势。电力系统稳定性指系统在遭受扰动后，能否恢复到原

 程序猿鑫
2025-08-26 00:43:19

 365

 4

#matlab #神经网络 #人工智能 +1
大模型基础补全计划(三)---RNN实例与测试

大模型基础补全计划(一)---重温一些深度学习相关的数学知识》《大模型基础补全计划(二)---词嵌入(word embedding) 》在CV世界里，卷积神经网络一直是主流。在以前，NLP的世界里，循环神经网络是主流，站在今天大模型时代，Transformer 及相关变体，是当今的NLP的绝对主流。但是我们要了解Transformer提出的原因，还需要回到循环神经网络，了解其历史变迁。当然，在循环

 鈤TiAmo
2025-07-14 05:11:45

 92

#rnn #人工智能 #深度学习 +2
基于神经网络的迭代学习控制，用于未知SISO非线性系统的轨迹跟踪附Matlab代码

针对未知单输入单输出（SISO）非线性系统的轨迹跟踪问题，本文提出一种基于神经网络的迭代学习控制（Neural Network-Based Iterative Learning Control，NNILC）策略。该策略利用神经网络强大的非线性逼近能力，对系统未知动态进行在线辨识，同时结合迭代学习控制在重复运动轨迹跟踪中的优势，通过多轮迭代修正控制输入，实现高精度轨迹跟踪。

j_jinger
2025-08-12 00:37:24

 388

 3

#神经网络 #学习 #matlab
AI的MinMaxScaler与StandardScaler在机器学习中的对比分析

AI的MinMaxScaler与StandardScaler在机器学习中的对比分析

 龙文浩_
2026-03-28 16:52:02

 147

 7

#scikit-learn #python #机器学习 +2
基于数据驱动的 Koopman 算子的递归神经网络模型线性化，用于纳米定位系统的预测控制研究（Matlab代码实现）

本研究针对纳米定位系统（如压电致动器PEAs）中非线性动力学特性导致的控制带宽受限问题，提出一种基于数据驱动的Koopman算子与递归神经网络（RNN）结合的线性化方法。通过构建高维线性嵌入空间，将非线性系统转化为全局线性模型，并应用于模型预测控制（MPC）框架。实验结果表明，该方法在轨迹跟踪和纳米压痕控制中显著提升了跟踪精度与控制带宽，相较于传统泰勒级数线性化方法，误差降低40%以上，控制带宽扩

 吃兔子的大脑腐
2025-08-12 10:08:27

 554

 29

#神经网络 #matlab #人工智能 +1
时序预测 | MATLAB实现GWO-BiLSTM灰狼算法优化双向长短期记忆神经网络时间序列预测

时间序列预测在诸多领域，例如金融预测、气象预报、交通流量预测等，都扮演着至关重要的角色。准确预测未来趋势能够为决策提供有力支持，从而提升效率，降低风险。然而，由于时间序列数据的复杂性和非线性特性，传统的预测方法往往难以捕捉其内在规律，预测精度难以满足实际需求。近年来，深度学习技术，特别是循环神经网络(RNN)及其变体，如长短期记忆网络(LSTM)和双向长短期记忆网络(BiLSTM)，因其强大的非线

 j_jinger
2025-01-06 23:40:12

 803

 24

#matlab #算法 #神经网络
神经网络与深度学习#RNN

在深度学习的版图中，如果说CNN是处理空间数据的“空间艺术家”，那么循环神经网络（Recurrent Neural Network, RNN）就是分析时间序列的“时间诗人”。从股票预测到机器翻译，从语音识别到情感分析，RNN凭借其独特的“记忆能力”，让机器学会了理解序列数据中的时间依赖关系。RNN虽不再是最前沿的序列模型，但其“记忆传递”的思想仍深刻影响着深度学习的发展。理解RNN及其变体（LST

下雨天也不打伞
2025-05-21 10:33:36

 999

 16

#深度学习 #神经网络 #cnn
【GRNN-RBFNN-ILC算法】【轨迹跟踪】基于神经网络的迭代学习控制用于未知SISO非线性系统的轨迹跟踪（Matlab代码实现）

针对未知单输入单输出（SISO）非线性系统的轨迹跟踪问题，传统控制方法（如PID、模型预测控制）往往因系统非线性建模困难而效果受限。迭代学习控制（ILC）通过重复任务中的误差修正优化控制输入，但其性能依赖于系统模型的精确性。为解决这一问题，结合神经网络（NN）的数据驱动ILC方法被提出，其中广义回归神经网络（GRNN）与径向基函数神经网络（RBFNN）的结合（GRNN-RBFNN-ILC算法）展现

 茜姐_博客
2026-02-20 06:05:43

 922

 11

#算法 #神经网络 #学习 +1
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法，用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪（Matlab代码实现）

摘要本文提出了一种基于神经网络的（NN-based）数据驱动迭代学习控制（ILC）算法，用于具有未知模型和重复任务的非线性单输入单输出（SISO）离散时间系统的跟踪问题。控制目标是使系统的输出在每次迭代过程中跟踪参考轨迹。因此，在每次迭代过程的每个相对时间点上，使用广义回归神经网络（GRNN）作为估计器来解决系统的关键参数，并使用径向基函数神经网络（RBFNN）作为控制器来解决控制输入。

m0_58086403
2025-07-09 15:57:04

 1076

 29

#神经网络 #学习 #算法 +1
53、深度学习-自学之路-自己搭建深度学习框架-14、使用自己的架构搭建一个通过学习模仿莎士比亚风格的2000次的文章。并且在关键层配有详细解释。在我的资源里面有对应的shakesper.txt的训练

new_hidden：当前时间步的隐藏状态，形状为 (batch_size, n_hidden)。#作用：词汇表的大小决定了嵌入矩阵的行数。self.w_hh = Linear(n_hidden, n_hidden)# self.w_hh：隐藏状态到隐藏状态的线性变换层，形状为 (n_hidden, n_hidden)。self.w_ho = Linear(n_hidden, n_output)#

华亚军
2025-02-26 10:30:36

 1291

 32

#深度学习 #人工智能 #神经网络 +2
[ICSCDS 2023]Visual Questions Answering Developments, Applications, Datasets and Opportunities: A St

计算机-人工智能-视觉问答综述

 夏莉莉iy
2025-04-21 21:15:57

 839

 22

#人工智能 #深度学习 #计算机视觉 +4
基于数据驱动的 Koopman 算子的递归神经网络模型线性化，用于纳米定位系统的预测控制研究（Matlab代码实现）

本研究针对纳米定位系统（如压电致动器PEAs）中非线性动力学特性导致的控制带宽受限问题，提出一种基于数据驱动的Koopman算子与递归神经网络（RNN）结合的线性化方法。通过构建高维线性嵌入空间，将非线性系统转化为全局线性模型，并应用于模型预测控制（MPC）框架。实验结果表明，该方法在轨迹跟踪和纳米压痕控制中显著提升了跟踪精度与控制带宽，相较于传统泰勒级数线性化方法，误差降低40%以上，控制带宽扩

 wytm123
2025-12-07 06:24:15

 655

 17

#神经网络 #matlab #人工智能 +1
深度学习全景指南：硬核实战版

《深度学习实战指南》摘要：本文以代码驱动方式讲解深度学习核心概念，去除空洞理论，采用平视视角的同事笔记风格。主要内容包括：1）深度学习本质是多层神经网络自动特征提取；2）主流模型架构（CNN/RNN/Transformer）及代码示例；3）关键发展节点与技术爆发条件；4）计算机视觉、NLP等典型应用场景；5）梯度下降、过拟合等核心概念解析；6）常见误区与避坑建议；7）环境配置指南。强调"

Yardon_Official
2026-03-25 22:20:29

 550

 14

#深度学习 #人工智能 #算法 +4
桥梁塌陷边坡落石识别系统 RNN

桥梁塌陷边坡落石识别系统的核心在于其强大的智能识别能力。桥梁塌陷边坡落石识别系统通过在关键路段部署高分辨率摄像头对桥梁塌陷、边坡落石、泥石流滑坡识别智能分析其风险，确认存在危险迹象触发报警机制，提升部门应急处置效率。一旦系统识别到危险迹象，便会立即触发报警机制。报警信息会通过多种终端设备及时提醒过往车辆，与此同时，系统会将灾害事件的相关信息同步推送至监管和养护单位的值班人员。这些信息包括灾害发生的

 燧机科技SuiJi
2025-04-02 08:52:54

 599

 5

#rnn #人工智能 #深度学习 +2
神经网络与深度学习第四周知识总结

RNN 适用于处理序列数据，但存在长程依赖问题。GRU 和 LSTM 有效缓解梯度消失，增强记忆能力。数据预处理（如分词、词嵌入）对模型效果影响显著。实践中应结合任务需求选择合适模型结构与参数。

qq_36766706
2025-05-26 17:57:05

 1325

 34

#深度学习 #神经网络 #人工智能