BayesFlow：基于神经网络的摊销贝叶斯推断框架
贝叶斯推断为不确定性条件下的推理、复杂系统建模以及基于观测数据的预测提供了严谨且功能强大的理论框架。尽管贝叶斯建模在理论上具有优雅性，但在实际应用中经常面临显著的计算挑战：后验分布通常缺乏解析解，模型验证和比较需要进行重复的推断计算，基于仿真的工作流程（如校准、参数恢复、敏感性分析）的计算复杂度极高。这些计算瓶颈长期制约着贝叶斯工作流程的实际部署，直到 BayesFlow 框架的出现为这些问题提....
基于图神经网络的大语言模型检索增强生成框架研究：面向知识图谱推理的优化与扩展
在大型语言模型(LLMs)相关的人工智能突破中，图神经网络(GNNs)与LLMs的融合已成为一个极具前景的研究方向。这两类模型的结合展现出显著的互补性，能够协同增强LLMs的推理能力和上下文理解能力。通过从知识图谱(KGs)存储的海量信息中进行智能化检索，该结合能够生成准确且不含幻觉的答案。 本文对面向知识图谱问答(Q&A)的GNN-LLM组合架构进行了多维度探索。研究重点关注了两种用于....
类人神经网络再进一步！DeepMind最新50页论文提出AligNet框架：用层次化视觉概念对齐人类
在人工智能领域，深度神经网络（DNN）已经在广泛的应用中取得了成功，包括作为人类行为模型在视觉任务中的应用。然而，神经网络的训练和人类学习在根本上存在差异，神经网络往往无法像人类一样稳健地泛化，这引发了关于它们底层表示相似性的疑问。 这篇论文提出了一个关键的不匹配点，即视觉模型和人类之...
神经网络模型结构框架可视化的在线与软件绘图方法
之前向大家介绍了一种基于Python第三方ann_visualizer模块的神经网络可视化方法，大家可以直接点击博客：基于Python的神经网络模型结构框架可视化绘图简便方法（https://blog.csdn.net/zhebushibiaoshifu/article/details/116212113）查看；这方法可以对Dense隐藏层以及MaxPooling层、Dropout层、Fla....
基于Python的神经网络模型结构框架可视化绘图简便方法
最近需要进行神经网络的可视化。查阅多种方法后，看到很多方法都比较麻烦，例如单纯利用graphviz模块，就需要手动用DOT语言进行图片描述，比较花时间；最终，发现利用第三方的ann_visualizer模块，可以实现对已有神经网络的直接可视化，过程较为方便。 相关环境的版本信息： Anaconda Navigator 1.10.0 Python 3.8.5 首先，下载与安装必要的模块....
在ModelScope中，请问一下如果使用qwen进行微调，应该学什么神经网络框架？
请问一下如果使用qwen进行微调，应该学什么神经网络框架，pytorch？tendowflow？
微软提出自动化神经网络训练剪枝框架OTO，一站式获得高性能轻量化模型
作者： 陈天翼-微软西雅图-高级研究员OTO 是业内首个自动化、一站式、用户友好且通用的神经网络训练与结构压缩框架。在人工智能时代，如何部署和维护神经网络是产品化的关键问题考虑到节省运算成本，同时尽可能小地损失模型性能，压缩神经网络成为了 DNN 产品化的关键之一。DNN 压缩通常来说有三种方式，剪枝，知识蒸馏和量化。剪枝旨在识别并去除冗余结构，给 DNN 瘦身的同时尽可能地保持模型性能，是最为....
10行代码搞定图Transformer，图神经网络框架DGL迎来1.0版本
让所有人都能快速使用图机器学习。2019 年，纽约大学、亚马逊云科技联手推出图神经网络框架 DGL (Deep Graph Library)。如今 DGL 1.0 正式发布！DGL 1.0 总结了过去三年学术界或工业界对图深度学习和图神经网络（GNN）技术的各类需求。从最先进模型的学术研究到将 GNN 扩展到工业级应用，DGL 1.0 为所有用户提供全面且易用的解决方案，以更好的利用图机器学习的....
ICLR 2023 Oral | 漂移感知动态神经网络加持，时间域泛化新框架远超领域泛化&适应方法
在领域泛化 (Domain Generalization, DG) 任务中，当领域的分布随环境连续变化时，如何准确地捕捉该变化以及其对模型的影响是非常重要但也极富挑战的问题。为此，来自 Emory 大学的赵亮教授团队，提出了一种基于贝叶斯理论的时间域泛化框架 DRAIN，利用递归网络学习时间维度领域分布的漂移，同时通过动态神经网络以及图生成技术的结合最大化模型的表达能力，实现对未来未知领域上的模....
有效融合语言模型、图神经网络，文本图训练框架GLEM实现新SOTA
机器之心编辑部蒙特利尔算法学习人工智能实验室（Mila）和微软亚洲研究院等单位提出文本图训练框架 GLEM [1]，能够有效融合语言模型和图神经网络，取得 OGB 3 个数据集第一名。主要单位：蒙特利尔算法学习人工智能实验室（Mila）、微软亚洲研究院等论文地址：https://arxiv.org/abs/2210.14709代码地址：https://github.com/andyjzhao/g....
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。