hiliang521的博客

【人工智能基础】知识导图

【人工智能基础】Science4AI与AI4Science：科学与人工智能的协同创新

【人工智能基础】Sora 模型的基本原理、优缺点

【人工智能基础】生成模型：让数据“无中生有”的神奇魔法

【人工智能基础】【练习题】自然语言处理基础： Word2vec逻辑、与预训练模型

【人工智能基础08】卷积神经网络习题：卷积神经网络计算、图像填充、卷积的表达与设计

【人工智能基础06】人工神经网络基础（二）：1. 权值初始化（权值优化、避免梯度）、2. 权值衰减（防止过拟合）与 3. 权值共享（卷积核）

【人工智能基础06】人工神经网络（练习题）：神经网络的计算、激活函数的选择与神经网络的退化

【人工智能基础05】决策树模型习题

【人工智能基础04】线性模型(练习题)：

【人工智能基础03】机器学习（练习题）:监督（分类/回归）、无监督(降维/聚类（K-means）)、半监督

【人工智能基础】机器学习基础

决策树

【人工智能基础】线性模型

【人工智能基础】机器学习基础

【人工智能基础】计算机视觉

【人工智能基础】自然语言处理基础

【人工智能基础】Transformer模型基础概念：并行地、更加高效地处理长距离依赖问题

【人工智能五】人工智能基础习题答案

反向传播算法（英：Backpropagation algoritmm，简称：BP算法）是一种监督学习算法，常被用来训练多层感知机。于1974年，**Paul Werbos首次给出了如何训练一般网络的学习算法，**而人工神经网络只是其中的特例。不巧的是，在当时整个人工神经网络社群中却无人知晓Paul所提出的学习算法。直到80年代中期，David Rumelhart、Geoffrey Hinton、RonaldWilliams、David Parker和Yann LeCun。

【人工智能基础四】循环神经网络（RNN）与长短时记忆网络（LSTM）

卷积神经网络

人工神经网络基础

【人工智能】基础三：深度学习概述、人工神经网络基础

【人工智能】人工智能概述（二）人工智能的关键技术

【人工智能】人工智能概论（一）:人工智能基本概概念、学派、发展历程与新一代人工智能