神经网络标签_AI Agent技术社区

神经网络

AI Agent项目越做越累？你缺的不是更强模型，而是“可复用的产品骨架”

产品化不是一蹴而就，它更像一套复利系统：每次项目都多留下一块积木，下一次就少搬一块砖。只要你能坚持把沉淀写进流程、写进考核、写进架构，团队就会从“干一单结一单”走向“做一类成一类”。从交付者到资产构建者。从下一个项目开始，不妨在立项时就问团队一句：这次我们除了交付，还能沉淀什么？最后送你一句我很喜欢的话，适合当作团队的共同目标：最好的AI Agent，不是解决一个问题，而是解决一类问题。

小敢摘葡萄
2026-08-21 18:25:08

 210

 7

#人工智能 #神经网络 #学习
用傅里叶级数解剖振动信号：基于物理信息神经网络的可解释旋转机械故障诊断（Python）

本文提出一种基于物理信息的故障诊断新范式，通过可学习的傅里叶级数显式拟合振动信号，取代传统黑箱神经网络。该方法将信号分段后用傅里叶PINN拟合，提取谐波系数统计特征（均值和标准差）及残差作为35维物理可解释特征，最后送入轻量MLP分类器。相比端到端深度学习，该方法每个特征都对应明确的谐波分量，残差反映信号偏离周期结构的程度，实现了完全物理可解释的诊断流程。实验表明，该方法在保持诊断精度的同时，显著

 哥廷根数学学派2023
2026-05-19 10:59:35

 252

 3

#神经网络 #python #人工智能 +2
为什么单层感知机搞不定XOR？用Python手把手教你实现多层感知机（MLP）

本文深入剖析了单层感知机无法解决XOR问题的根本原因——线性不可分性，并由此引出多层感知机（MLP）的破局之道。通过Python从零实现一个包含隐藏层和非线性激活函数的MLP，不仅成功解决了XOR问题，还通过可视化决策边界和权重分析，直观展示了MLP如何通过非线性变换学习复杂模式。文章还探讨了网络容量、过拟合等实用技巧，并扩展至更复杂的圆形分类问题，验证了MLP的通用近似能力。

长腿小姑娘
2026-02-27 00:28:53

 244

 9

#神经网络
Hopfield 网络实战：用Python从零搭建一个简单的联想记忆模型（附代码）

本文通过Python实战，详细介绍了如何从零搭建一个经典的Hopfield网络，实现联想记忆功能。该网络通过赫布学习规则存储模式，并利用能量最小化原理从带噪声的输入中回忆原始图案。文章以识别字母为例，演示了其记忆与联想过程，并探讨了网络容量限制及其与现代注意力机制的深刻联系。

red88
2026-02-27 13:56:53

 857

 11

#神经网络
从神经元到AI：McCulloch-Pitts与Rosenblatt感知模型的前世今生（附Python实现）

本文追溯了人工智能的源头，从McCulloch-Pitts神经元模型到Rosenblatt感知器模型，揭示了现代神经网络的核心思想如何萌芽。通过对比分析这两个奠基性模型，并辅以清晰的Python代码实现，文章阐述了从静态逻辑计算到具备学习能力的感知模型的演进，帮助读者理解权重、阈值、学习规则等基础概念的来龙去脉。

m2n3o4p5
2026-02-27 10:04:38

 183

 3

#神经网络 #机器学习 #人工智能
物理信息神经网络PINNs在布洛赫-托雷(Bloch-Torrey)方程上的应用求解【torch案例】（Python代码实现）

布洛赫 - 托雷方程是描述磁共振成像中自旋磁化强度时空演化、分子扩散弛豫行为的核心偏微分方程组，传统有限差分、有限元等数值求解方法存在网格剖分成本高、多参数反演迭代耗时、小样本临床数据适配性差等固有缺陷。物理信息神经网络（PINNs）将布洛赫 - 托雷方程对应的物理约束嵌入深度学习损失函数，无需密集离散网格，仅依靠少量观测信号数据即可同时完成方程正问题求解与组织弛豫、扩散系数等生理参数反演。

yyds_2201
2026-07-01 06:54:13

 95

 2

#神经网络 #python #人工智能 +1
5分钟搞懂神经网络前向传播：从输入到输出的完整流程解析（附Python代码示例）

本文通过Python代码示例，详细解析了神经网络前向传播的完整流程，从输入到输出的每一步都清晰拆解。文章重点阐述了前向传播的核心步骤，包括线性变换和非线性激活函数的作用，并提供了从零构建两层神经网络的实战代码，帮助读者直观理解AI模型的内部运作机制。

里小咸
2026-03-02 01:35:56

 341

 5

#神经网络 #深度学习
Python入门深度学习：环境搭建与第一个神经网络

本文介绍了如何在星图GPU平台自动化部署深度学习项目训练环境镜像，快速搭建AI开发环境。通过该平台，用户可轻松配置PyTorch等框架，实现手写数字识别等入门级神经网络应用，为初学者提供便捷的深度学习实践体验。

蔓红荔
2026-02-28 00:09:01

 349

 11

#深度学习 #神经网络
多Agent协作的合规与安全发展：火山引擎技术实践

本文探讨了多Agent协作系统在企业智能化转型中的关键作用及安全合规挑战。基于火山引擎云原生基础设施，提出分层式架构设计（接入层、编排层、Agent层、资源层），并详细解析了多Agent协作流程中的任务分解与结果聚合机制。重点阐述了身份认证、权限管理、数据隔离等核心安全措施，以及如何满足GDPR等合规要求。通过Mermaid图表展示了系统架构和威胁防护模型，为企业构建安全合规的多Agent系统提供

 hh950
2026-08-01 22:53:29

 185

 7

#人工智能 #神经网络
五大主流（Coding Agents Compared） AI 编程代理‌ 比较

下图对比了五大领先编码代理在界面、模型、上下文窗口、自主性等方面的表现。五大主流编码代理对比。

陈天伟教授
2026-04-08 14:48:38

 108

#人工智能 #机器学习 #神经网络 +1
2026，做Agentic AI，绕不开这两篇开年综述

2025是Agent元年，2026年**Agent**迈入科研&落地深水区，推荐2篇开年必读综述：一篇剖析**Agentic AI**范式演进与挑战；另一篇拆解**AI Agent**系统架构。

程序猿李巡天
2026-03-12 21:37:58

 192

#人工智能 #cnn #神经网络 +2
Python基于签名识别的合同管理系统（附源码，文档说明）

Python基于签名识别的合同管理系统，采用python语言、mysql数据库、django框架以及卷积神经网络，进行签名的识别。本次实现了一个用户角色进行系统使用，用户可以进行合同上传比对签名，可以管理系统用户同时对比对情况和合同进行管理，实现了对企业在合同方面的高效管理以及较高的签名识别效率。系统既可以更加安全和高效率的对合同进行识别，也可对合同进行管理的革新。

yujun2023
2026-03-25 19:00:00

 494

 9

#python #神经网络
Python神经网络编程（一）：预测器、分类器与神经网络基础概念

预测器：用线性回归模型根据输入预测输出分类器：用阈值将连续输出转换为类别标签线性分类器的局限：XOR问题无法用一条直线解决激活函数：Sigmoid、Tanh、ReLU等引入非线性神经网络结构：多层神经元，全连接训练的本质：通过调整权重最小化误差关键公式回顾预测器：y = w × x + b神经元：y = activation(Σ(w_i × x_i) + b)参数数量：Σ(n_i × n_{i+1

cpyaxjq
2026-07-07 16:14:43

 135

 3

#python #神经网络 #开发语言
【DQN实现避障控制】使用Pytorch框架搭建神经网络，基于DQN算法、优先级采样的DQN算法、DQN + 人工势场实现避障控制研究附Matlab、Python

避障控制是智能体自主导航领域的核心任务之一，要求智能体在复杂环境中实时感知障碍物信息，动态调整运动策略，实现安全、高效的路径规划与运动控制。本文基于Pytorch深度学习框架，分别搭建基础DQN（Deep Q-Network）算法、优先级采样DQN算法（Prioritized Experience Replay DQN, PER-DQN），并结合人工势场法（Artificial Potential

j_jinger
2026-04-07 21:25:46

 324

 10

#python #pytorch #神经网络
使用 Python 进行量子机器学习：核方法与神经网络

量子机器学习（QML）代表了量子计算和机器学习技术的一个迷人融合。随着量子计算在数学和复杂结构数据处理方面的潜力，QML 有可能革新药物发现、金融等多个领域。本博客深入探讨了量子神经网络（QNNs）和量子核技术的创新领域，通过实际的 Python 示例展示了它们的独特能力。博客中不会详细介绍数学概念。如需了解更多信息，请随时阅读我最新的书籍《机器学习理论与应用：在经典与量子机器上的 Python

布客飞龙
2026-03-03 00:27:56

 494

 5

#机器学习 #python #神经网络
GitHub Copilot vs Claude Code：深度对比

【本段核心】2025 年秋季，斯坦福计算机系出现了一门排课火爆的新课 —— CS146S: The Modern Software Developer（现代软件研发者）。这门课由 Mihail Eric 主讲，他是斯坦福校友，曾在 Amazon Alexa 担任技能主管，创办过 YC 孵化的 AI 编程公司，如今重返母校，开设了斯坦福历史上第一门专注于 AI 软件研发的课程。【本段核心】一、这门课

 ll1b_02
2026-04-13 16:55:38

 193

 8

#人工智能 #神经网络
Python、扩散模型GAN无监督行人重识别数据增强性能对比研究｜附数据代码

近年来，随着深度学习技术在图像分类领域的重大进展，基于卷积神经网络的行人重识别方法通过大规模标注数据实现了特征表示的自动化学习，显著提升了特征提取的鲁棒性，同时结合先进的距离度量方法有效改善了特征相似性计算的准确性。扩散模型对平滑特征分布有帮助，还可以改进样本间相似度的计算办法，具体操作步骤如下：首先是特征扰动处理，要在原始特征之上添加扩散噪声，产生各种不同层次的特征版本，然后借助去噪网络恢复这些

 拓端研究室TRL
2026-04-17 17:10:27

 380

 9

#python #生成对抗网络 #开发语言 +2
基于CNN-GRU-Attention混合神经网络的负荷预测方法附Python代码

针对电力负荷数据受气象条件、用户行为、经济活动等多因素耦合影响，呈现出强非线性、时变性和复杂性，传统预测方法及单一神经网络模型难以充分挖掘数据时空特征、预测精度有限的问题，提出一种基于CNN-GRU-Attention混合神经网络的负荷预测方法。

Matlab学术达人
2026-02-25 21:07:39

 411

 11

#神经网络 #cnn #gru
LLM系列：1.python入门：17.正则表达式与文本处理 (re)

正则表达式是处理文本的强大工具，允许通过特定规则查找、提取和替换字符串内容。Python内置re模块提供相关功能，常用函数包括re.sub(替换匹配项)、re.findall(提取所有匹配项)和re.search(查找首个匹配项)。正则表达式语法包含元字符如\d(数字)、\w(单词字符)、等，配合量词如+(1次以上)和*(0次以上)可实现灵活匹配。使用时建议使用原始字符串(r"&quot

小糖学代码
2026-04-30 11:14:13

 414

 8

#正则表达式 #深度学习 #pytorch +3
python神经网络编程入门（四）----神经网络误差反向传播完全图解

本文介绍了神经网络中误差反向传播的原理与矩阵实现方法。核心要点包括：1）误差按权重比例反向分配原则，通过权重转置矩阵实现多层误差传递；2）从单节点到多节点的误差分配过程，隐藏层误差为所有输出链接误差之和；3）利用矩阵乘法将复杂计算简化为W^T×E的运算；4）通过2×2网络实例演示了从输出层到隐藏层再到输入层的完整误差反向传播流程。文章强调矩阵运算的高效性，并提供Python代码实现手工循环和矩阵两

 Lee_jerome
2026-07-07 23:37:02

 261

 6

#算法 #人工智能 #深度学习 +1
智能体人工智能 (Agentic AI) 学习路线图

2026年智能体AI将重塑软件行业，其核心在于自主推理、记忆系统和工具执行能力，而非简单提示优化。关键要素包括：1)四大支柱(意图理解、推理规划、记忆系统、API工具)；2)主流框架(OpenAI Agents/LangGraph等)；3)多智能体协作；4)安全治理体系；5)AgentOps运维方案。要掌握智能体区别于传统AI的规划、多步推理等核心能力，需系统学习其生态系统运作原理。这已成为保持技

 陈天伟教授
2026-04-09 11:07:51

 206

 4

#人工智能 #安全 #量子计算 +2
django+vue.js从零开发基于DeepFM深度学习的电影推荐系统 python+pytorch实现神经网络电影/影视/短剧/视频/电视剧推荐系统爬虫、可视化数据分析、人工智能、深度学习

前台用户功能：登录、注册、忘记密码、电影搜索、电影排序、流行度热点推荐、为你推荐（DeepFM深度学习）、猜你喜欢推荐、电影评分、浏览历史、修改信息、修改密码等；后台管理员功能：登录、数据分析、电影管理、电影类型管理、用户管理、评分管理、浏览历史管理、管理员管理等。首页为你推荐：用户未登录：基于流行度的热点推荐，推荐平均分最高的电影；用户已登录：基于深度学习推荐算法，如果没有推荐结果（冷启动和数据

 linge511873822
2026-03-22 15:02:13

 351

 3

#深度学习 #python #神经网络 +2
用Python手搓神经网络：从输入层到输出层的完整实现（附代码）

本文详细介绍了如何使用Python从零开始实现一个完整的神经网络，涵盖输入层、隐藏层和输出层的构建，以及前向传播、反向传播和参数更新的核心算法。通过MNIST数据集实战示例，展示了神经网络的训练过程，并提供了性能优化策略如批量归一化和Dropout。适合深度学习初学者和希望深入理解神经网络底层原理的开发者。

lilh34434
2026-02-15 08:19:11

 144

 2

#深度学习 #神经网络
python神经网络编程入门（十二）——CNN池化层（Pooling）—— 为什么要“压缩“图像？

本文解析池化层在CNN中的核心作用与实现原理。首先指出卷积层特征图尺寸不变导致计算量剧增的问题，引入池化层作为解决方案，阐述其降维、增强平移不变性和防过拟合三大功能，对比最大池化（提取显著特征）与平均池化（平滑处理）的差异。通过4×4矩阵逐步手算演示前向传播，重点讲解反向传播梯度分配机制：最大池化由最大值位置独享梯度，平均池化则均分梯度。最后用NumPy完整实现MaxPooling的前向传播（需记

 Lee_jerome
2026-07-23 15:32:16

 460

 12

#深度学习 #神经网络 #cnn +4
Python开发实习全攻略：从小白到转正的18周实战之旅

Python以其简洁的语法、丰富的生态和广泛的应用场景（Web开发、数据分析、人工智能、自动化运维等），成为众多企业招聘实习生的热门技术栈。本文将围绕“Python开发工程师”实习岗位，系统性地解答这三个核心问题，帮助你理清思路，更有准备地开启第一段职业旅程。无论你是大二/大三正在寻找第一份实习，还是已经拿到Offer准备入职，这篇文章都能为你提供有价值的参考。这是你的“基础版”简历，需要清晰展示

 weixin_56622231
2026-06-28 20:13:06

 157

 4

#python #开发语言 #算法 +4
AI入门必学：Python零基础到实战，这一篇就够了（附可直接运行代码）

Python是AI入门的首选语言，因其语法简单、生态完善且社区活跃。新手只需掌握基础语法、核心库操作（NumPy、Pandas、Matplotlib）及简单函数与类。本文以线性回归模型为例，展示如何使用Python预测房价，并提供可直接运行的代码示例。建议新手避免死磕高级语法，多动手实践，遇到问题善用社区资源解决。

六月星辰梓
2026-04-24 17:49:44

 219

 6

#人工智能 #开发语言 #学习 +3
RAG、Agent、模型微调的区别

维度模型微调RAGAgent核心目标让模型记住特定知识让模型 “借用” 外部知识让模型自主解决复杂任务核心改变模型参数输入上下文任务执行逻辑成本高(算力 + 标注数据)低(仅维护知识库)中高(框架开发 + 工具集成)灵活性低(改知识需重新微调)高(更新知识库即可)高(可动态调整工具 / 策略)典型能力精准回答固定领域问题回答最新 / 长尾知识问题解决多步骤 / 复杂任务模型微调。

秀儿y
2026-02-27 10:37:00

 296

 11

#深度学习 #机器学习 #人工智能 +2
环曜Agent核心功能拆解：RAG、工作流与AI数据分析的实现原理

摘要环曜Agent的三个核心技术功能实现原理分析： RAG知识库：采用混合检索策略（向量+BM25）和智能分块处理，支持原文定位和本地Embedding降级方案，通过重排序优化检索结果质量。可视化工作流：基于DAG拓扑排序的执行引擎，提供7种节点类型，通过变量引用机制实现数据传递，内置错误处理与重试机制保障可靠性。 AI数据分析：通过Prompt工程将自然语言转换为SQL查询，采用四层安全防护

 2401_85300269
2026-06-29 09:18:14

 449

 13

#人工智能 #python #知识图谱 +3
转行AI Agent有多难：真实难度评估与学习建议

钱景”是肯定有的，重点是怎么拿到offer。现在这行正处于爆发期，月薪3-4w很常见，搞得好年薪80万往上都有可能，大量高薪酬待遇岗都在招，我们这种中小厂都能给到40w税后。如果实在没啥项目经验，可以看看知乎知学堂的AILLM开发课，最为讲的就是ai agent的应用开发，除了模型调用、对接、搭建外，还有很多「实战项目」拆解，自己做完可以写到简历里，求职面试的时候也不虚。

深度学习工坊
2026-04-13 17:05:19

 77

#人工智能 #神经网络
python神经网络编程入门（十六）——从零实现RNN前向传播：把公式变成能跑的函数

第2章把公式拆到骨头里，这一章把它变成能跑的函数！纯 NumPy 手写 RNN 前向传播：从单时间步函数到完整 rnn_forward，逐行拆解时间循环、维度切片与 cache 缓存。附小模型手算对照、Seq=1 退化成全连接实验、输出维度与推演表逐位验证、四大常见坑与 FAQ。跑一遍 rnn_forward.py，你也能徒手写出 RNN 前向传播！

Lee_jerome
2026-08-01 16:06:43

 606

 15

#rnn #numpy #深度学习 +2
让 Coding Agent 更靠谱：Model 和 Effort 怎么选

本文详解Coding Agent中Model与Effort的核心差异：Model决定能力上限（换权重），Effort控制工作深度（调思考量）。二者协同影响质量与成本——简单任务宜用小模型+默认Effort，复杂问题需大模型+高Effort。调试时应先优化上下文，再按“能力不足换Model，验证不足提Effort”原则调整。

七牛开发者
2026-07-20 15:20:50

 450

 13

#人工智能 #深度学习 #机器学习 +3
ACL 2026 | 西交大提出 MAXS：让 LLM Agent 在推理时“看得更远、走得更稳”的元自适应探索框架

本工作提出 MAXS（Meta-Adaptive eXploration with LLM Agents），一种在推理阶段进行元自适应探索的 LLM Agent 框架，通过轻量级前瞻（lookahead）与稳定性评估，在不引入巨大计算开销的前提下，同时缓解局部短视与轨迹不稳定两大核心问题。

Python编程杰哥
2026-04-13 20:47:12

 409

 6

#人工智能 #机器学习 #重构 +2
python神经网络编程入门（九）——CNN卷积核到底在“卷”什么？—— 局部感受野、权值共享与平移不变性？

本文深入浅出地解析了卷积神经网络(CNN)如何解决全连接网络(MLP)处理图像时的三大缺陷：参数爆炸、空间结构破坏和平移不变性缺失。通过局部感受野、权值共享和池化三大核心技术，CNN实现了：1)每次只处理图像局部区域，大幅减少参数量；2)相同卷积核扫描全图，高效提取位置无关特征；3)池化操作增强平移鲁棒性。这些设计使CNN成为图像处理的理想架构，既保留了空间结构，又具备参数高效性。文章最后预告将通

 Lee_jerome
2026-07-13 22:00:00

 331

 6

#深度学习 #人工智能 #python +2
初识Agent

是来解决其实也能做规划、做任务，它可以把一个复杂的任务分成几个小任务，并且知道先执行哪个任务，再执行哪个任务，但是的这些能力跟它的一样，不靠谱，并且它的这些功能经验也不足，所以才衍生出。本次只是对的初步了解，先带大家了解下与，之后的文章内也会对做深入的探索。

专门坑人小分队
2026-03-18 23:23:21

 467

 11

#人工智能 #语言模型 #神经网络
基于python及神经网络的人脸识别系统

本文提出了一种基于Python和卷积神经网络(CNN)的人脸识别系统。系统采用四层架构设计，结合OpenCV、TensorFlow等库实现数据预处理、特征提取和人脸匹配功能。通过数据增强和人脸对齐算法提升模型鲁棒性，在测试中达到98.5%的识别准确率和25帧/秒的实时性能。系统具有轻量化特点，支持Windows/Linux平台部署，为中小型企业提供低成本解决方案。未来可通过模型剪枝、活体检测等进一

 2401_86332611
2026-02-26 13:27:34

 270

 4

#python #神经网络 #开发语言
Python AI基础：深入理解面向对象编程

"""AI组件的抽象基类""""""处理数据"""pass"""验证组件状态"""pass"""获取组件信息（有默认实现）"""

今天AI了吗
2026-07-08 17:00:48

 162

 5

#python #人工智能 #开发语言 +3
【AI Agent面试题】检索 rerank 为什么重要，怎么做？

向量召回快但糊，bi-encoder 分开编码只能保召回、保不了精度；rerank 用召回 + 精排两阶段破局——先用向量检索宽进捞出几十个候选，再用 cross-encoder 把 query 和文档拼在一起逐词精算重排，取最准的几条。规模交给召回，精度交给精排，各司其职，这就是 rerank 重要且好用的原因。

小敢摘葡萄
2026-08-14 18:50:29

 206

 4

#人工智能 #职场和发展 #学习 +1