一、介绍 害虫识别系统，本系统使用Python作为主要开发语言，基于TensorFlow搭建卷积神经网络算法，并收集了12种常见的害虫种类数据集【“蚂蚁（ants）”, “蜜蜂（bees）”, “甲虫（beetle）”, “毛虫（catterpillar）”, “蚯蚓（earthworms）”, “蜚蠊（earwig）”, “蚱蜢（grasshopper）”, “飞蛾（moth）”, “鼻涕虫（slug...

第3集：循环神经网络（RNN）与序列建模 引言 在深度学习领域，处理序列数据（如文本、语音、时间序列等）是一个重要的研究方向。传统的全连接网络和卷积神经网络（CNN）难以直接捕捉序列中的时序依赖关系，而循环神经网络（Recurrent Neural Network, RNN）应运而生。它通过引入“记忆”机制，能够有效建模序列数据的动态特性。然而，随着任务复杂度的提升，RNN 的局限性也逐渐显现，这促使了...

关联缺失：仅分析单笔交易，无法识别多层嵌套的“资金迷宫”（如A→B→C→D的隐蔽路径） 实时性差：T+1批量处理让洗钱行为“时间差套利”，某案例中犯罪团伙2小时内完成20层转账 DeepSeek的图神经网络模型，在招商银行实测中实现94.3%的异常交易识别率，误报率降低至传统系统的1/5，核心秘密在于将金融交易视为“动态关系图谱”进行实时推理。 二、系统架构：四层时空感知引擎 ![]DeepSeek反洗...

文章目录 一、互相关运算二、卷积层三、图像中目标的边缘检测四、学习卷积核五、互相关和卷积六、特征映射和感受野小结   上节我们解析了卷积层的原理，现在我们看看它的实际应用。由于卷积神经网络的设计是用于探索图像数据，本节我们将以图像为例。 一、互相关运算   严格来说，卷积层是个错误的叫法，因为它所表达的运算其实是互相关运算（cross-correlation），而不是卷积运算。根据【现代深度学习技术】卷...

机器学习中的神经网络部分是大模型LLM训练的基础之基础，熟练掌握这一部分的知识和基础技能对后续理解大模型原理至关重要！ 第9集：神经网络基础——从感知机到多层感知机 在机器学习中，神经网络（Neural Networks） 是一种强大的工具，能够解决复杂的分类和回归问题。从简单的感知机到复杂的多层感知机（MLP），神经网络已经成为深度学习的核心技术之一。今天我们将深入探讨神经网络的基本结构，并通过实践部...

PyTorch深度学习框架60天进阶学习计划第14天： 循环神经网络进阶 在深度学习处理序列数据时，循环神经网络(RNN)家族的模型扮演着至关重要的角色。今天，我们将深入探讨循环神经网络的进阶内容，包括BiLSTM的工作机制、注意力机制的数学原理，以及Transformer编码层的实现。 目录 BiLSTM的双向信息流机制 LSTM回顾BiLSTM架构解析时序特征融合策略BiLSTM实现与案例 注意力机...

迁移学习示意图 一、灵魂拷问：为什么你的CNN总在重复造轮子？ 当你试图用500张狗狗照片训练一个世界级分类器时，是不是觉得就像让小学生直接攻读量子物理一样力不从心？这时，迁移学习的魔法就显现了。想象一下，如果能把ImageNet冠军模型变成你的专属AI助手，哪怕你的训练数据只够塞满一个U盘，那该有多爽！接下来，我们就来揭秘这背后的奥秘。 二、知识搬运的艺术：迁移学习全景观 2.1 预训练模型博物馆 迁...

深度神经网络模型（Deep Neural Networks, DNN） 深度神经网络模型是一种包含多个隐藏层的神经网络，能够通过多层次的非线性变换从数据中提取复杂特征，广泛应用于图像识别、自然语言处理等领域。 基本结构 输入层：接收原始数据。隐藏层：包含多个层，每层有多个神经元，通过非线性激活函数处理数据。输出层：生成最终预测或分类结果。 主要特点 多层次结构：通过多个隐藏层逐步提取高层次特征。非线性变...

TensorFlow深度学习实战（2）——使用TensorFlow构建神经网络 0 前言1. TensorFlow 简介与安装2. TensorFlow 构建神经网络初体验3. 训练香草神经网络3.1 香草神经网络与 MNIST 数据集介绍3.2 训练神经网络步骤回顾3.3 使用 TensorFLow 构建神经网络模型3.4 关键步骤总结 小结系列链接 0 前言 在《神经网络基础》中，我们学习了如何从零...

一、概念层级关系 1.1 基本关系图 在理解这些概念之前，我们先来看看它们之间的基本关系： 人工智能 (AI) ├── 机器学习 │ └── 深度学习 │ └── 神经网络 └── 大数据 1.2 层级解析 人工智能（AI）：最广泛的概念 人工智能是一个包罗万象的概念，涵盖了模拟人类智能的各种方法。它不仅包括机器学习，还包括一些非机器学习的方法。AI的应用领域非常广泛，从语音识别到自动驾驶，无所不包。 ...