请选择 进入手机版 | 继续访问电脑版

七月上旬更新速递丨 聚焦集成、安全与AI深度进化

更新亮点: 本次重点强化系统集成能力与AI认知升级,新增4大核心模块9项资源,优化4项资源,点击标题了解(持续互动赢麦豆,解锁高阶技能)

重点推荐:《场景化数据分析实战》课程操作手册

配套六月王炸课程的全套落地指南,手把手教你复现实战场景!

二、实战技巧分享

高效处理资源集成难题》→ 从基础出发,深入探究集成的秘密

三、开发技能突破

第三方系统调用Smartbi接口》→讲解系统集成时的jar包获取,以及集成时代码调用的基本流程。

集成接口介绍》→梳理Smartbi目前提供的接口,以及不同接口的调用流程。

AI每日一学

DeepSeek-R1-0528模型升级:推理与生态的双重升级》→ 解析模型性能提升40%的关键技术 (技术前沿)

简单总结一下机器学习中的几种常见的学习方式与区别》→ 监督/无监督/强化学习差异与应用场景图解 (基础重构)

五、资源更新

CAS单点登录 V2版》上线→ 接入到 CAS 平台中,并实现单点登录

组织/用户/角色信息管理API接口》上线→ 一套 HTTP API的组织、用户、角色信息管理接口

竹云统一身份认证平台组织用户同步对接》上线→ Smartbi封装对应的服务接口,给竹云的统一身份认证平台实时调用,完成组织、用户和角色信息的实时同步。

交互式仪表盘支持自定义字体》优化→ 修复了文本组件编辑状态不生效的问题

只允许外网某种移动端APP访问》优化→ 针对V11版本,增加了钉钉、企业微信访问限制功能

AD域(LDAP/LDAPS)登录验证》优化→ 修复了“更新白名单状态之前没有判断判断用户是否存”的问题

元数据分析落地到知识库》优化→ 增加获取资源创建者的逻辑判断,对空值空对象等情况做优化

麦粉社区
>
帖子详情

【AI每日一学】通俗的讲一下神经网络模型的基本组成、工作原...

AIChat 发表于 2025-6-17 09:59
发表于 2025-6-17 09:59:44

麦粉们!AI实战落地第十四弹发车!


         昨天,咱们成功解锁了驱动AI的“三驾马车”(算法、算力、数据),这就好比给一辆高性能跑车配齐了顶级装备!那今天,咱们就深入跑车内部,来解剖它的“智能生物”——神经网络,这可是让AI真正“学会”思考的核心引擎!


        不过,在开启今天关于神经网络模型的探索之前,照例先检验大家对昨天“三驾马车”知识的掌握程度。发布后三天内全对的前三名麦粉,奖励20麦豆!答案就藏在上期宝藏帖【了解一下人工智能三驾马车:算法、算力与数据】中,快去找找吧~


AI知识问答(知识巩固)


1、在“三驾马车”中,哪一项被比喻为AI的“智慧核心”和“大脑”,赋予系统决策、学习与泛化能力?


A. 算力


B. 数据


C. 算法


D. 云计算


2、以下哪种硬件被特别强调为AI的“动力引擎”,其并行计算能力比CPU提升数十倍,并用于加速大模型训练?


A. CPU (中央处理器)


B. GPU/TPU (图形处理器/张量处理器)


C. FPGA (现场可编程门阵列)


D. ASIC (专用集成电路)


3、在数据要素部分,提到了一种技术可以在保护用户隐私的前提下实现不同机构间数据的共享训练,这种技术是什么?


A. 联邦学习 (Federated Learning)


B. 强化学习 (Reinforcement Learning)


C. 迁移学习 (Transfer Learning)


D. 生成对抗网络 (GAN)


 


        理解了驱动AI发展的核心要素(算法、算力、数据)如何协同工作后,是时候聚焦于AI系统本身是如何“思考”和“学习”的。装备(三驾马车)已经就位,现在就来瞧瞧“驾驶员”神经网络是如何“驾驶”AI这辆跑车的!


通俗的讲一下神经网络模型的基本组成、工作原理、工作类型和生活应用场景(今日学习


神经网络模型受大脑神经元启发,让计算机从数据中学习规律,实现图像识别等任务,主要包含以下内容:


基本组成:


神经元:


神经网络的基础,接收并处理输入后产生输出,如在手写数字识别中,负责判断图像局部特征。


 


层:


由神经元构成,输入层接收原始数据,隐藏层提取变换数据特征,输出层给出最终结果。


 


工作原理:


信息传递:


数据从输入层经隐藏层处理后到输出层,神经元对数据加权求和,经激活函数决定信息传递。


 


学习过程:


通过大量训练数据,依据预测与真实结果差异,用反向传播算法调整神经元连接权重和偏置,如训练猫狗图像识别时优化权重。


 


主要类型:


多层感知机(MLP):


基础网络,全连接结构,用于简单分类和回归,如房价预测。


 


卷积神经网络(CNN):


针对图像、音频等,借特殊结构提取特征,用于图像识别、医学影像检测。


 


循环神经网络(RNN):


处理序列数据,可利用历史信息决策,改进版LSTM和GRU能更好处理长序列依赖,用于语言翻译。


 


神经网络模型在生活中应用广泛:


图像识别用于安防、医疗、自动驾驶;语音识别与合成助力语音助手交互;电商和视频平台借推荐系统推送个性化内容;金融领域用于风险预测与投资决策;智能翻译工具提升语言翻译质量。

发表于 2025-6-17 11:09:48

回答:CBA

打赏人数1麦豆 +20 收起 理由
Smartbi社区管理员 + 20

查看全部打赏


回复

使用道具 举报

发表于 2025-6-18 08:57:43
答案是 CBA
打赏人数1麦豆 +20 收起 理由
Smartbi社区管理员 + 20 太棒了,给你32个赞,么么哒

查看全部打赏


回复

使用道具 举报

发表于 2025-6-18 17:11:50
答案:CBA
打赏人数1麦豆 +20 收起 理由
Smartbi社区管理员 + 20

查看全部打赏


回复

使用道具 举报

发表于 2025-6-19 17:28:40
答案:CBA
回复

使用道具 举报

发表于 2025-7-4 21:08:31
回答:CBA
回复

使用道具 举报

高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

8回帖数 0关注人数 540浏览人数
最后回复于:2025-7-4 21:08
快速回复 返回顶部 返回列表