灵犀拾荒者-优快云博客

原创【资料分享】清华大学《DeepSeek：从入门到精通》官方指南：解锁AI时代的核心生产力工具

清华大学《DeepSeek：从入门到精通》官方指南：解锁AI时代的核心生产力工具

2025-02-09 18:41:29 19269 24

原创【KAN】KAN神经网络学习训练营(15)——API 3：样条

KANs（科洛莫哥洛夫-阿诺德网络）的一个重要特点是将样条嵌入到神经网络中。然而，样条仅在已知的有界区域内有效于函数近似，而神经网络中的激活范围可能在训练过程中发生变化。因此，我们必须根据这一情况恰当地更新网格。首先，让我们了解一下我们是如何参数化样条的。

2025-04-01 10:00:00 1318

原创【KAN】KAN神经网络学习训练营(14)——API 2：绘图

KAN神经网络（Kolmogorov–Arnold Networks）是一种基于Kolmogorov-Arnold表示定理的新型神经网络架构。该定理指出，任何多元连续函数都可以表示为有限个单变量函数的组合。与传统多层感知机（MLP）不同，KAN通过可学习的激活函数和结构化网络设计，在函数逼近效率和可解释性上展现出潜力。

2025-03-31 10:00:00 637

原创【KAN】KAN神经网络学习训练营(13)——API 1：索引

KAN神经网络（Kolmogorov–Arnold Networks）是一种基于Kolmogorov-Arnold表示定理的新型神经网络架构。该定理指出，任何多元连续函数都可以表示为有限个单变量函数的组合。与传统多层感知机（MLP）不同，KAN通过可学习的激活函数和结构化网络设计，在函数逼近效率和可解释性上展现出潜力。

2025-03-30 10:00:00 1368

原创【KAN】KAN神经网络学习训练营(12)——utils.py

符号函数库的构建与扩展：不仅定义了基本的符号函数，还提供了奇异性保护机制，并允许用户动态添加新的符号函数。数据集生成与预处理：既支持基于符号公式生成合成数据，也能根据现有数据进行训练/测试划分与归一化。参数拟合：通过网格搜索和线性回归方法拟合非线性函数中的仿射参数。自动求导工具：实现了批量计算雅可比和 Hessian 的方法，为模型敏感性分析和二阶优化提供支持。模型参数管理：提供了将模型参数展平和动态加载的工具，方便在求导时更新模型状态。

2025-03-29 10:00:00 1872

原创【KAN】KAN神经网络学习训练营(11)——Symbolic_KANLayer.py

该代码实现了一个符号激活神经网络层，其核心特点在于：灵活的激活函数：每条输入-输出连接可以选择不同的激活函数（例如 sin、cos 等），并支持符号表达式版本，便于后续分析和解释。仿射参数拟合：每个连接不仅有激活函数，还通过四个参数 [a, b, c, d] 对输入进行仿射变换，使得激活函数能够更好地适应数据分布。奇异性处理：提供了funs_avoid_singularity 版本来确保在输入接近奇异值时不会出现数值不稳定。模块化设计：方便地对网络结构进行剪枝或重新排列，便于构建和优化模型。

2025-03-28 10:00:00 912

原创【KAN】KAN神经网络学习训练营(10)——spline.py

这段代码提供了一套完整的B样条处理工具，包括基函数的计算、曲线的生成与评估、以及从曲线恢复系数的功能，适用于需要进行平滑插值或曲线拟合的场景。

2025-03-27 10:00:00 1268

原创【KAN】KAN神经网络学习训练营(9)——MultKAN.py

该代码实现了一个创新的可解释神经网络架构，主要特点包括：双通道计算：数值样条基函数与符号函数并行计算。动态结构：支持节点剪枝、边修剪、网络扩缩。自适应训练：周期性调整样条网格分布。符号回归：自动发现数学表达式替代数值函数。可视化支持：丰富的网络结构可视化方法。正则化体系：多角度约束模型复杂度。适用于需要模型可解释性的科学计算场景，在保持神经网络拟合能力的同时提供数学可解释性。

2025-03-26 10:00:00 1182

原创【KAN】KAN神经网络学习训练营(8)——MLP.py

该MLP类不仅实现了标准的神经网络功能，还集成了多种高级特性：灵活的正则化策略：支持基于权重、激活或重要性评分的正则化。结构可视化：直观展示网络权重和连接重要性。自动结构优化：通过交换神经元位置优化网络连接。多种训练选项：支持不同的优化器和训练参数配置。激活分析：保存并分析各层激活值，用于后续处理。

2025-03-25 10:00:00 725

原创【KAN】KAN神经网络学习训练营(7)——LBFGS.py

该代码实现了一个基于 LBFGS 算法的优化器，其中包含了：利用三次插值计算步长的辅助函数 _cubic_interpolate；实现强 Wolfe 线搜索策略的函数 _strong_wolfe；LBFGS 优化器类LBFGS，该类继承自 PyTorch 的 Optimizer，实现了对参数梯度的聚合、历史信息的存储与更新以及基于二阶信息（有限记忆近似 Hessian）的下降方向计算。整体思路是先利用历史信息来近似计算逆 Hessian，从而获取一个较优的下降方向，再通过线搜索调整步长。

2025-03-24 10:00:00 1946

原创【KAN】KAN神经网络学习训练营(6)——KANLayer.py

代码实现了一个基于样条函数的自适应非线性层，通过动态更新网格和样条系数，将输入变量进行局部多项式拟合，并结合残差函数增强模型表达能力。各个辅助方法（如网格更新、子集提取和神经元交换）为模型的灵活性和可解释性

2025-03-23 10:00:00 1043

原创【KAN】KAN神经网络学习训练营(5)——hypothesis.py

整个代码主要围绕模型输入变量间的相互作用、可分性和对称性检测展开，并进一步构建变量组合的层次结构（树形图），以解释模型内部结构及其拟合机制。每个函数都利用数值计算（例如梯度和 Hessian）及聚类或统计方法对模型进行深入分析。

2025-03-22 10:00:00 1107

原创【KAN】KAN神经网络学习训练营(4)——feynman.py

该代码用于生成不同费曼物理方程对应的符号表达式、PyTorch计算函数及变量取值范围，主要用于符号回归（Symbolic Regression）任务的基准测试。

2025-03-21 10:00:00 883

原创【KAN】KAN神经网络学习训练营(3)——experiment.py

该代码主要涉及一个名为 KAN 的模型的训练、剪枝和优化过程，同时还包括一个计算帕累托前沿（Pareto Frontier）的辅助函数。

2025-03-20 10:00:00 944

原创【KAN】KAN神经网络学习训练营(2)——compiler.py

Kolmogorov-Arnold 表示定理Kolmogorov-Arnold 表示定理指出，如果是有界域上的多元连续函数，那么它可以写为单个变量的连续函数的有限组合，以及加法的二进制运算。更具体地说，对于光滑其中和。从某种意义上说，他们表明唯一真正的多元函数是加法，因为所有其他函数都可以使用单变量函数和 sum 来编写。然而，这个 2 层宽度 - Kolmogorov-Arnold 表示可能不是平滑的由于其表达能力有限。我们通过以下方式增强它的表达能力将其推广到任意深度和宽度。

2025-03-19 10:00:00 1327

原创【KAN】KAN神经网络学习训练营(1)——你好KAN！

KAN神经网络（Kolmogorov–Arnold Networks）是一种基于Kolmogorov-Arnold表示定理的新型神经网络架构。该定理指出，任何多元连续函数都可以表示为有限个单变量函数的组合。与传统多层感知机（MLP）不同，KAN通过可学习的激活函数和结构化网络设计，在函数逼近效率和可解释性上展现出潜力。

2025-03-18 10:00:00 1933

原创【KAN】Kolmogorov-Arnold Networks (KANs)：超越传统MLP的新型神经网络架构摘要

受Kolmogorov-Arnold表示定理的启发，本文提出了Kolmogorov-Arnold网络（KANs）作为多层感知器（MLP）的替代方案.MLP在节点（“神经元”）上具有固定的激活函数，而KAN在边缘（“权重”）上具有可学习的激活函数。KAN根本没有线性权重--每个权重参数都被一个参数化为样条的单变量函数所取代。我们发现，这种看似简单的变化使得KAN在小规模AI +科学任务的准确性和可解释性方面优于MLP。对于精度，较小的KAN可以在函数拟合任务中实现与较大的MLP相当或更好的精度。

2025-03-17 10:00:00 1120

原创【资料分享】浙江大学2025年DeepSeek行业应用案例集解析

在数字化转型的浪潮中，DeepSeek 以其强大的技术实力和广泛的应用场景，为各行业带来了前所未有的变革与机遇。本报告深入剖析了 DeepSeek 在农业、制造业、交通运输、信息技术、金融业、医疗、教育等关键领域的应用案例，展示其如何助力各行业迈向智能化未来。

2025-03-16 10:00:00 1628

原创【资料分享】厦门大学林子雨团队：大模型技术解析与应用实践指南

在数字化浪潮席卷全球的今天，大模型技术宛如一颗璀璨新星，照亮了人工智能领域的前行道路。厦门大学大数据教学团队精心打造的《大模型概念、技术与应用实践》报告，为我们全方位解析了大模型技术的奥秘，揭示其在当下及未来社会中的深远影响，成为我们探索人工智能世界的宝贵指南。

2025-03-15 10:00:00 736

原创【资料分享】北大青鸟AI肖睿团队：DeepSeek提示词工程与落地场景全解析

在人工智能浪潮席卷全球的当下，如何高效驾驭AI工具，释放其潜能，成为各界人士瞩目的焦点。北京大学青鸟人工智能研究院、北大计算机学院元宇宙技术研究所及北大教育学院学习科学实验室联合推出的DeepSeek系列研讨，聚焦提示词工程与产业实践，为大众开启了一扇通往AI高效应用的大门。

2025-03-14 10:00:00 1408

原创【群智能算法】PSO-TSP 基于粒子群优化算法的旅行商问题求解-MATLAB

旅行商问题（Traveling Salesman Problem，TSP）一直是运筹学与计算智能领域的经典难题：给定若干城市，要求在访问每个城市恰好一次的前提下规划一条最短（或代价最低）的巡回路线。由于TSP具备组合爆炸特性，当城市数量增多时，问题规模呈指数增长，故而在精确算法难以短时间内求解的情况下，群体智能算法与元启发式算法应运而生。粒子群优化（Particle Swarm Optimization，PSO）是一种基于群体协同和个体最优记忆的随机搜索技术，最初应用于连续空间优化，而后逐步衍生出适应离散优

2025-03-13 10:00:00 1018

原创【机器学习】基于t-SNE的MNIST数据集可视化探索

在机器学习和数据科学领域，高维数据的可视化是一个极具挑战但又至关重要的问题。高维数据难以直观地理解和分析，而有效的可视化方法能够帮助我们发现数据中的潜在结构、模式和关系。本文以经典的MNIST手写数字数据集为例，探讨如何利用t-分布随机邻域嵌入（t-SNE）这一强大的降维技术，将高维的图像数据降维到二维空间，并进行可视化展示。通过本文，我们将深入了解t-SNE的原理、算法步骤，以及如何在Python中实现并应用它，从而更好地理解和探索高维数据的内在特性。

2025-03-12 10:00:00 1235

原创【爬虫】基于Python爬虫的猫眼电影Top100数据抓取与分析

互联网时代，数据如同金矿，蕴藏着巨大的价值。网络爬虫作为一种自动化的数据采集工具，在数据挖掘、市场分析、舆情监控等领域发挥着越来越重要的作用。本文以猫眼电影Top100榜单为例，详细阐述如何利用Python编写爬虫程序，抓取网页数据并进行存储。我们将深入探讨爬虫的原理、关键技术，并对代码进行逐行解析，最后进行总结与思考，旨在帮助读者掌握爬虫的基本技能，并能将其应用于实际场景中。

2025-03-11 10:00:00 1944

原创【资料分享】IF=500+！基于鼻咽癌诱导化疗后减容放疗与常规减容放疗比较的研究综述

在鼻咽癌（Nasopharyngeal Carcinoma, NPC）的综合治疗中，诱导化疗（Induction Chemotherapy, IC）可显著缩小肿瘤体积，随后行放射治疗（Radiotherapy, RT）已成为临床常见策略。传统共识通常建议按诱导化疗前（Pre-IC）的肿瘤范围进行常规放疗；然而，减容放疗（Reduced-volume RT）基于诱导化疗后（Post-IC）显著缩小的肿瘤体积进行精准照射，能否在保持局部控制率的同时进一步降低放射性毒性、改善患者生活质量（QoL），一直是临床研究

2025-03-10 10:00:00 636

空空如也

空空如也