作者文章归档:course

超级电容-Stock


超级电容,又称电化学电容或双电层电容,是一种介于传统电容器和电池之间的新型储能器件,具有功率密度高、充放电速度快、循环寿命长、工作温度范围宽等诸多优点,以下是其详细介绍:

结构与原理

  • 结构特点:超级电容主要由电极、电解质、隔膜和集流体等部分组成。电极材料通常具有较大的比表面积,如活性炭等,能够提供更多的电荷存储位点。电解质则负责在电极之间传输离子,实现电荷的转移和存储。隔膜的作用是防止电极短路,同时允许离子通过。集流体用于收集和传输电极上的电流。
  • 工作原理:当超级电容充电时,电极表面会形成双电层,电解质中的正、负离子分别在电极表面和附近聚集,形成与电极表面电荷相反的电荷层,从而实现电荷...

Read more

单层神经网络


单层神经网络是一种最简单的神经网络结构,以下是其详细介绍:

基本结构

  • 神经元:单层神经网络由多个神经元组成,每个神经元接收输入数据,并通过激活函数对输入进行处理,产生输出。
  • 输入层与输出层:它只有一个输入层和一个输出层,输入层的神经元数量与输入数据的特征数量相同,输出层的神经元数量则根据具体的任务需求而定。

工作原理

  • 前向传播:在工作时,输入数据首先被传递到输入层的各个神经元,这些神经元将输入数据乘以相应的权重,并加上一个偏置项,然后将结果传递给激活函数进行处理,激活函数的输出就是该神经元的输出。最后,输出层的神经元将接收到的所有输入进行加权求和,并加上偏置项,再通过激活函数得到最...

Read more

keras 源码分析


Keras是一个由Python语言编写的深度学习库,以下是对其源码的分析:

整体架构

  • 模块划分:Keras的源码主要由多个模块组成,包括enginelayersmodelscallbacksoptimizers等。每个模块负责不同的功能,如engine模块是Keras的核心计算引擎,layers模块定义了各种神经网络层,models模块用于构建和训练模型等。
  • 面向对象设计:Keras采用了面向对象的编程风格,通过定义各种类和对象来实现其功能。例如,Model类表示一个深度学习模型,Layer类表示一个神经网络层,Optimizer类表示一个优化器等。

核心模块分析

  • laye...

Read more

感知-


"Perception"(感知)是一个涉及多个学科的概念,主要包括心理学、神经科学、认知科学和哲学。以下是对“perception”的一些基本解释和分析:

  1. 心理学定义
  2. 感知是个体通过感官接收外部世界信息,并在大脑中解释这些信息以形成对环境的理解和解释的过程。

  3. 感官输入

  4. 感知始于感官(如视觉、听觉、嗅觉、味觉、触觉)接收外界刺激,并将这些物理刺激转化为神经信号。

  5. 大脑处理

  6. 这些神经信号被传递到大脑的不同区域进行处理。大脑对这些信号进行解释,帮助我们理解周围环境。

  7. 认知解释

  8. 感知不仅仅是感官数据的被动接收,它还包括对这些数据的主动解释和构建。我们的大脑使用...

Read more

深度学习导论-MIT-Course


MIT 6.S191 课程相关信息: - 课程名称:Introduction to Deep Learning(深度学习导论) - 课程介绍:这是麻省理工学院(MIT)关于深度学习方法的入门课程,应用于自然语言处理、计算机视觉、生物学等领域。旨在让学生快速掌握深度学习基础知识,获得在 TensorFlow 中构建神经网络的实践经验。课程结束时将举行项目提案竞赛,并得到工作人员和行业赞助商小组的反馈。 - 授课时间和地点:2025 年 1 月 6 日至 10 日,每天美国东部时间下午 1 点至 4 点,在麻省理工学院 32-123 房间进行线下授课,同时课程内容将开源给全世界。 - 课程安...

Read more

微信开发者平台


微信开发者平台是为开发者打造的一站式工作台,以下是相关介绍:

主要功能

  • 用户身份识别与打通:每个用户针对每个公众号有不同的OpenID,而将公众号和应用绑定到同一开放平台账号下,用户对这些公众号和应用只有一个UnionID,方便开发者在多公众号、移动应用之间做用户共通.
  • 公众号开发:公众号可通过消息会话和网页形式为用户提供服务,如群发消息、被动回复消息、客服消息、模板消息等;还可通过网页授权获取用户基本信息,以及使用微信JS-SDK来调用微信原生功能.
  • 小程序开发:提供小程序开发、测试、发布的工具和环境,开发者可创建小程序项目,进行代码编写、调试,最终发布上线.
  • 移动应用开发:为移动应...

Read more

AI 大模型追赶的征途


追赶 AI 大模型发展速度:科技浪潮中的奋进与挑战

追赶,为了科技前沿之光

在当今科技飞速发展的时代,AI 大模型如同一颗颗璀璨的新星闪耀在全球科技舞台。众多科研机构、企业以及开发者们纷纷踏上追赶其发展速度的征程,背后蕴含着深远的期望与重大意义。对于科研人员而言,这是探索人工智能未知领域、推动学术进步的必由之路。他们渴望在这场科技竞赛中取得突破性成果,为人类对智能的认知开辟新的天地,从而在学术史上留下浓墨重彩的一笔。企业界则着眼于巨大的商业潜力与市场竞争力。成功跟上 AI 大模型的发展步伐,意味着能够开发出更具创新性的产品与服务,满足日益多样化的用户需求,进而在激烈的市场竞争中脱颖而出,...

Read more

通用对抗攻击


Universal Adversarial Attack即通用对抗攻击,是一种针对机器学习模型的攻击方式,以下是相关介绍:

攻击原理

通过精心构造通用的对抗扰动或触发器,使模型对输入数据产生错误分类或预测,其利用了模型在训练和决策过程中的漏洞和局限性,即使对不同的输入数据或不同结构的模型,也能导致错误结果.

攻击方法

  • 生成通用对抗扰动:通过优化算法找到一个对大多数输入数据都有效的固定扰动,将此扰动添加到正常输入数据中,就能误导模型做出错误分类,如在图像领域,可找到适用于多种图像的通用扰动,使模型将原本正确分类的图像误判.
  • 设计通用对抗触发器:构造特定的输入模式或触发器,当输入数据包含此...

Read more

单像素攻击


One Pixel Attack即单像素攻击,是一种针对深度学习模型的对抗性攻击方法,以下是相关介绍:

攻击原理

通过改变输入图像的单个像素来误导深度学习模型做出错误分类。它利用差分进化算法等优化算法,在不知道模型内部参数的情况下,识别出要修改的最优像素,从而使模型产生误判.

具体操作步骤

  1. 初始化:随机生成一组候选解,每个候选解表示对图像中单个像素的潜在修改.
  2. 突变与交叉:对候选解执行变异和交叉操作以创建新的候选解,产生种群的多样性,更有效地探索解决方案.
  3. 选择:根据其对神经网络分类结果的影响来评估试验候选,如果试验候选比原始候选更能导致模型错误分类,则取代原始候选.
  4. 迭代:重复突变、...

Read more

黑箱攻击


黑箱攻击是指攻击者在无法获取机器学习模型内部结构、参数及训练数据等详细信息的情况下,仅通过模型的输入和输出,来生成对抗样本以误导模型做出错误预测的攻击方式.以下是其相关介绍:

主要类型

  • 基于迁移的攻击:利用在一个模型上生成的对抗样本对其他模型进行攻击,需找到模型间的共性和迁移性,攻击成功率不确定,访问次数少,约10次左右.
  • 基于访问的攻击:通过大量查询模型获取输入输出信息来生成对抗样本,可细分为基于分数的攻击和基于决策的攻击。基于分数的攻击需获得连续预测分数,不适用于多数现实场景;基于决策的攻击则完全依赖模型最终决策,更贴合实际,如演化攻击就是一种高效的基于决策的黑箱攻击方法.

常用...

Read more