神经网络，模拟人脑的智能革命 在人工智能（AI）领域，神经网络（Neural Networks）无疑是最具影响力的技术之一，它通过模拟人脑神经元的工作方式，赋予计算机强大的学习和推理能力，推... 智能研发 日本人工智能展 12 2025-07-01
循环神经网络，理解与应用 循环神经网络（Recurrent Neural Network, RNN）是一种专门用于处理序列数据的深度学习模型，与传统的前馈神经网络不同，RNN 具有记忆能... 智能研发 日本人工智能展 13 2025-07-01
Transformer，革命性的深度学习架构 在人工智能和深度学习领域，Transformer 架构的出现彻底改变了自然语言处理（NLP）和其他序列建模任务的格局，自2017年由Google的研究团队在论文... 智能研发 日本人工智能展 15 2025-07-01
图神经网络，连接数据的新范式 在人工智能和机器学习领域,图神经网络（Graph Neural Networks, GNNs）正迅速崛起为处理图结构数据的强大工具，传统的深度学习模型（如卷积神... 智能研发 日本人工智能展 20 2025-07-01
生成对抗网络，人工智能领域的革命性突破 近年来,人工智能（AI）技术飞速发展，其中生成对抗网络（Generative Adversarial Networks, GANs）因其强大的生成能力成为研究热... 智能研发 日本人工智能展 13 2025-07-01
优化器，深度学习中的关键引擎 在深度学习中，模型的训练过程依赖于优化算法，而优化器（Optimizer）正是这一过程中的核心组件，优化器的作用是通过调整模型的参数，最小化损失函数，从而提高模... 智能研发 日本人工智能展 14 2025-07-01
梯度下降，优化算法的核心引擎 在机器学习和深度学习的领域中，优化算法扮演着至关重要的角色，梯度下降（Gradient Descent）是最基础、最广泛使用的优化方法之一，无论是训练简单的线性... 智能研发 日本人工智能展 15 2025-07-01
参数初始化，深度学习模型训练的关键第一步 在深度学习中，模型的性能不仅取决于其架构设计，还受到训练过程中诸多因素的影响，其中参数初始化（Parameter Initialization）是一个至关重要的... 智能研发 日本人工智能展 14 2025-07-01
Epoch，时间、技术与人类文明的里程碑 “Epoch”一词源自希腊语“epochē”，意为“停止”或“转折点”，在现代语境中，它被广泛用于天文学、地质学、计算机科学和历史学等领域，指代一个特定的时间点... 智能研发 日本人工智能展 16 2025-07-01
Batch Size:影响深度学习训练效果的关键因素 在深度学习的模型训练过程中,Batch Size（批量大小）是一个至关重要的超参数，直接影响模型的收敛速度、训练稳定性以及最终的泛化性能，选择合适的Batch... 智能研发 日本人工智能展 16 2025-07-01
