## 机器学习-人工神经网络 黄海广 副教授 2022年01月 ## 本章目录 01 发展历史 02 感知机算法 03 BP算法 ### 1. 人工神经网络发展历史 ## 01 发展历史 02 感知机算法 03 BP算法 ### 1. 人工神经网络发展历史 ## 发展历史 1943年，心理学家McCulloch和逻辑学家Pitts建立神经网络的数学模型， MP模型 ! /p4_2.jpg) 输入层 神经元数学模型 单层感知机的数学模型 ### 1. 人工神经网络发展历史 1960年代，人工网络得到了进一步地发展 感知机和自适应线性元件等被提出。 M.Minsky仔细分析了以感知机为代表的神经网络的局限性，指出了感知机不能解决非线性问题，这极大影响了神经网络的研究。  离散Hopfield神经网络模型 ### 1. 人工神经网络发展历史

## 星际争霸与人工智能 阿里巴巴认知计算实验室 龙海涛 ## Why StarCraft?  300/300 300/300 Psi Used: 120 ## Protoss Pylon Psi Provided: 8 Total

54fa74376/p1_1.jpg) ## 人工智能 安全治理框架 全国网络安全标准化技术委员会 2024年9月 ## 目录 1. 人工智能安全治理原则 ..... 1 2. 人工智能安全治理框架构成 ..... 2 3. 人工智能安全风险分类 ..... 3 3.1 人工智能内生安全风险 ..... 3 3.2 人工智能应用安全风险 ..... 5 4. 技术应对措施 技术应对措施 ..... 7 4.1 针对人工智能内生安全风险 ..... 7 4.2 针对人工智能应用安全风险 ..... 9 5. 综合治理措施 ..... 10 6. 人工智能安全开发应用指引 ..... 12 6.1 模型算法研发者安全开发指引 ..... 12 6.2 人工智能服务提供者安全指引 ..... 13 6.3 重点领域使用者安全应用指引 ..... 14 社会公众安全应用指引 ..... 15 # 人工智能安全治理框架 (V1.0) 人工智能是人类发展新领域，给世界带来巨大机遇，也带来各类风险挑战。落实《全球人工智能治理倡议》，遵循“以人为本、智能向善”的发展方向，为推动政府、国际组织、企业、科研院所、民间机构和社会公众等各方，就人工智能安全治理达成共识、协调一致，有效防范化解人工智能安全风险，制定本框架。 ### 1. 人工智能安全治理原则 秉持共同、综

[Image](/uploads/documents/7/8/a/d/78ade080643c0185ff8788518410c6f2/p1_1.jpg) ## 链滴 ## pytorch 入门笔记 -03- 神经网络 作者：zyk 原文链接：https://ld246.com/article/1639540087993 来源网站：链滴 许可协议：署名-相同方式共享4.0国际(CC BY-SA 4.0) [Image](/uploads/documents/7/8/a/d/78ade080643c0185ff8788518410c6f2/p2_1.jpg) ## 前言 本节主要内容是如何使用 torch.nn 包来构建神经网络。 上一讲已经讲过了 autograd，nn 包依赖 autograd 包来定义模型并求导。一个 nn.Module 包含各个层和一个 forward(input) 方法，该方法返回 output。 80643c0185ff8788518410c6f2/p2_2.jpg) 它是一个简单的前馈神经网络，它接受一个输入，然后一层接着一层地传递，最后输出计算的结果。神经网络的典型训练过程如下： 1. 定义包含一些可学习的参数(或者叫权重)神经网络模型； 2. 在数据集上迭代； 3. 通过神经网络处理输入； 4. 计算损失(输出结果和正确值的差值大小); 5. 将梯度反向传播回网络的参数；

全连接神经网络实战 PYTORCH 版 DEZEMING FAMILY DEZEMING Copyright $ \copyright $ 2021-10-02 Dezeming Family ## Copying prohibited All rights reserved. No part of this publication may be reproduced or transmitted 本书前言 5 1 准备章节 6 1.1 导入 pytorch 6 1.2 导入样本数据 7 2 构建神经网络 11 2.1 基本网络结构 11 2.2 使用 cuda 来训练网络 13 3 更完善的神经网络 15 3.1 模型的加载与保存 15 3.2 初始化网络权重-方法一 16 3.3 初始化网络权重-方法二和三 [https://dezeming.top/] 找到最新版。对书的内容建议和出现的错误欢迎在网站留言。 ### 0.1 本书前言 尽管各种关于神经网络 python 实战的资料已经很多了，但是这些资料也各有优点和缺点，有时候也很难让新手有比较好的选择。 当我们明白何为 “神经网络”，何为 “反向传播” 时，我们就已经具备了开始搭建和训练网络的能力。此时，最好的方法就是给我们一个由简及难的程序示例，我们能够快

## PyTorch ## 卷积神经网络 主讲人：龙良曲 ## Convolution  image Convolutional layer ## Moving window feature map ![Image](/uplo

## 深度学习-卷积神经网络 黄海广 副教授 2023年03月 ## 本章目录 01 计算机视觉概述 02 卷积神经网络简介 03 卷积神经网络计算 04 卷积神经网络案例 ## 本章目录 01 计算机视觉概述 02 卷积神经网络概述 03 卷积神经网络计算 04 卷积神经网络案例 ## 计算机视觉 ·图像分类 ·目标检测 ·图像分割 ·目标跟踪 01 计算机视觉概述 02 卷积神经网络概述 03 卷积神经网络计算 04 卷积神经网络案例 ## 深层神经网络和卷积神经网络  进行卷积计算，处理大量特征 ## 深层神经网络和卷积神经网络   ## 卷积神经网络 ## 深度学习=表示学习+浅层学习 

## 深度学习-深层神经网络 黄海广 副教授 2023年03月 ## 神经网络的概念 $$ \begin{aligned}\left.\begin{array}{l}x_{1}\\x_{2}\\x_{3}\end{array}\right.\left.\begin{array}{l}\text{}\\\left.\begin{array}{l}x\\w\\b\end{array}\righ ow L(a,y)\end{aligned}\Longrightarrow L(a,y) $$ ## 神经网络的概念  ## 神经网络的概念 我们不将输入层看作一个标准的层。  ### 2. 神经网络的向量化 $$ \begin{aligned}&\begin{aligned}\\ &x_{1}&x_{2}&x_{3}\\&z&=w^{T}x+b\\&a&=\sigma(z)\\ &\end{al

e49cfa61606eb57df64b13fa12217/p4_3.jpg) ## 一 ．外卖订单的智能调度系统 ### 二. 智能调度系统的大数据分析监控 ### 三. 智能调度系统中的人工智能 ## 提纲  ![Image] ### 二. 智能调度系统的大数据分析监控 ### 三. 智能调度系统中的人工智能 ## 外卖订单智能调度系统发展历程 ### 调度系统1.0  ## 人工派单模式 调度系统2.0 ![Image](/uploads/docume 稀疏特征：采用one-hot编码，各个菜品、商户、周几等作为特征维，构造稀疏特征 - 降维：PCA降维，减少内存消耗并一定程度上避免过拟合 ## 模型 ## • DNN模型 - DNN深度神经网络学习；通过引入非线性映射，并包含多层感知器，海量的出餐时间训练数据，DNN更好地学习自身有用的特征 - DNN对特征工程要求较低，自身可以学习有用的特征，PCA降维影响较小，但时间复杂度较高 ##