人工智能前沿学生论坛
正在加载…
请使用更现代的浏览器并启用 JavaScript 以获得最佳浏览体验。
加载论坛时出错，请强制刷新页面重试。
强基固本
“强基固本，行稳致远”，科学研究离不开理论基础，人工智能学科更是需要数学、物理、神经科学等基础学科提供有力支撑，为了紧扣时代脉搏，我们推出“强基固本”专栏，讲解AI领域的基础知识，为你的科研学习提供助力，夯实理论基础，提升原始创新能力，敬请关注。
如何通俗理解协方差、相关系数？
机器学习基础知识点全面总结！
揭秘 Transformer 的数学原理！
统计学习模型：概念、建模预测及评估
神经网络是如何工作的？
实例解析神经网络的工作原理
15类图神经网络的应用场景总结
机器学习理论基础到底有多可靠?
在计算机领域的科研中，最初的创新点从何而来？
机器学习面试的 12 个基础问题
21 句话入门机器学习！
统计学知识大梳理！
图神经网络的底层数学原理总结
为什么需要激活函数
7大经典回归模型
逐步理解 Transformers 的数学原理
通俗解构语言大模型的工作原理
深度学习测试漫谈
神经网络背后的数学原理是什么？
5分钟搞懂LSH之SimHash算法原理
解析深度神经网络背后的数学原理
一文读懂机器学习算法的基本概念和适用场景
从入门到放弃：深度学习中的模型蒸馏技术
常见的距离算法和相似度计算方法
open AI GPT 和AGI
13张动图，彻底看懂马尔科夫链、PCA和条件概率
Latex快速上手：三小时完成期末大作业
PCA的数学原理
GLM、LLAMA用Accelerate+deepspeed做RLHF时可能遇到的问题
GPU架构及运行机制学习笔记
看得见的高斯过程：这是一份直观的入门解读
张俊林：当前炼制“大语言模型”的两个现象
通俗形象地分析比较生成模型（GAN/VAE/Flow/Diffusion/AR）
编程与线性代数
没有这些，别妄谈做ChatGPT了
聊聊对大模型的一些看法
纯量产经验：谈谈目标检测中正负样本的问题
关于ChatGPT八个技术问题的猜想
一篇文章讲清楚交叉熵和KL散度
一文读懂为什么说元宇宙是未来
30 张图，概览 CPU 制作全过程
详解现代AI和深度学习发展史
如何通俗的理解beam search？
浅谈扩散模型的有分类器引导和无分类器引导
Jeff Dean：机器学习在硬件设计中的潜力
Softmax 函数和它的误解
关于神经网络，一个学术界搞错了很多年的问题
学习=拟合？深度学习和经典统计学是一回事吗？
信号与系统——卷积
机器学习回归模型相关重要知识点总结！
图解最常用的10大机器学习算法！
IMU中加速度计、陀螺仪、磁力计的工作原理
一文网尽CV/Robotics顶会论文常用高级词汇/句式！
图解最常用的10大机器学习算法！
数字图像处理基本知识
关于机器学习这门炼丹术，理论基础到底有多可靠？
数据统计分析的16个基础概念
超全725个机器学习术语表
OpenCV高性能计算基础介绍
迈向可验证的 AI: 形式化方法的五大挑战
深度学习必须掌握的 13 种概率分布
第三代神经网络初探：脉冲神经网络（Spiking Neural Networks）
浅谈图像分割调优
理解Jacobian矩阵与行列式
理解Tensor Core
损失函数 | 交叉熵损失函数
多场景建模
超详细图解Self-Attention
深度学习优化背后包含哪些数学知识？
利用宇宙的能力来处理数据！「物理网络」远胜深度神经网络
入门 | 异常检测Anomaly Detection
通俗易懂的解释Sparse Convolution过程
现在的人工智能是否走上了数学的极端？
神经网络训练中的拓扑演化
一文详解colmap中的多视图重建算法原理
深度学习、计算机视觉面试题合集
大白话用Transformer做Object Detection
手把手教你学DBNet
小样本学习只是一场学术界自嗨吗？
检测和处理异常值的极简指南
完整版图解Transformer
机器学习建模中的Bagging思想！
常见的几种最优化方法
这就是深度学习如此强大的原因
聊聊炼丹效率
为什么回归问题用MSE？
记MoCo中一个关于CrossEntropyLoss的计算问题
Transformer总结-2022版
浅谈弱监督学习（Weakly Supervised Learning）
DINO：目标检测benchmark COCO屠榜的正确姿势
图卷积知识梳理
生成对抗网络(GAN)与它背后的思想
基于深度学习的自然图像和医学图像分割：网络结构设计
稀疏性在机器学习中的发展趋势：MoE、稀疏注意力机制
机器学习和深度学习的区别
基于深度学习的声学场景分类（Acoustic Sence Classifier）方法整理
自动驾驶场景中的毫米波雷达数据集
浅谈神经网络（基础概念篇）
聊一聊AI框架前端
VAE 模型推导与总结
走进基于深度学习的图像分割
3D点云的旋转不变卷积
t-SNE使用过程中的一些坑
关于旋转框定义的一些理解和感想
极大似然&贝叶斯估计
误区! Adam+L2并不能发挥效果!
100行用Python实现自动求导（不import任何包的情况下）
从三角函数变换到图神经网络
点云局部特征描述子 SHOT
直观理解万能近似定理(Universal Approximation theorem)
Kmeans 聚类算法
聚类性能评估-V-Measure
完全图解RNN、RNN变体、Seq2Seq、Attention机制
脉冲神经网络（Spiking Neural Network）介绍
流形学习概述
神经网络15分钟入门！——反向传播到底是怎么传播的？
图神经网络的理论基础
深度学习入门与Pytorch|4.2 变分自编码器（VAE）介绍、推导及代码
深度学习入门与Pytorch4.1 深度学习中的几种自编码器的介绍与Pytorch代码实现
白化变换：PCA白化、ZCA白化
常用卷积神经网络巡礼（论文详解+代码实现）
强化学习入门简述
深度学习分类任务常用评估指标
漫谈什么是AI框架？
深度学习检测小目标常用方法
深度学习检测小目标常用方法
CNN网络结构的发展
传统图机器学习特征提取方法 -- 基于节点水平的特征（Node-level）
GNN | GCN-谱图卷积从零开始
神经网络如何模拟任意函数？
PyTorch Dataloader读取时如何在进程之间传输数据
GMM: Gaussian Mixed Model（高斯混合模型）
深挖一下F1 score (F-measure, F-score)
浅谈拉格朗日乘子法
通用矩阵乘（GEMM）优化算法
深层学习为何要“Deep”
神经网络反向传播的数学原理
目标跟踪初探（DeepSORT）
科普帖：深度学习中GPU和显存分析
深度学习笔记：常用的模型评估指标
三次样条（cubic spline）插值
运动规划丨轨迹规划丨基于改进Dijkstra算法的轨迹平滑方法
神经网络15分钟入门！足够通俗易懂了吧
5分钟理解Focal Loss与GHM——解决样本不平衡利器
详解残差网络
MMD：最大均值差异
目标跟踪系列--KCF算法
神经网络常用卷积总结
从零开始的自然语言处理（基于隐马尔可夫模型的词性标注）
写给新手炼丹师：2021版调参上分手册
机器学习-嵌入Embedding
各种Normalization
VGG网络的Pytorch官方实现过程解读
卷积神经网络(CNN)反向传播算法推导
全连接神经网络中反向传播算法数学推导
损失函数之DIoU Loss和CIoU Loss
广义正则对偶平均（gRDA）算法简介
深度学习和神经网络：神经网络的训练和评估
一网打尽CNN前向和反向 — 池化、padding、dropout
高维数据可视化：T-SNE
基础知识 | 对目标检测认识及理解
一步步用c++实现harris角点检测
深度学习与围棋：为围棋数据设计神经网络
最受欢迎的算法之一：反向传播训练
神经网络结构下理解Logistic Regression &TF框架下构造Logistic实现Mnist分类
深入探究MMD距离
机器学习常用评价指标总览
信息量、熵、相对熵（KL散度）、交叉熵
神经网络常用求导
深度学习算法收敛性证明之拓展SGD
看了这篇文章你还不懂SVM你就来打我
卷积神经网络(CNN)反向传播算法
边框回归(Bounding Box Regression)详解
《CV中的多视图几何》——相机模型与标定
AI 框架基础技术之自动求导机制 (Autograd)
主成分分析（PCA）
深度学习算法收敛性证明
深度学习： 数学知识基础
从Binary到Swish——激活函数深度详解
“卷积”其实没那么难以理解
DNN加速器性能分析
深度学习从入门到放飞自我：完全解析triplet loss
卡尔曼滤波器
Reinforcement learning入门：从马尔可夫，动态规划到强化学习
算法工程师应该了解的浮点数知识
神经网络量化简介
样本量极少如何机器学习？Few-Shot Learning概述
我们真的需要深度图神经网络吗？
深度强化学习（Deep Reinforcement Learning）入门
伪标签（Pseudo-Labelling）——锋利的匕首
基础算法：使用numpy实现逻辑回归随机梯度下降（附代码）
脉冲神经网络（SNN）