标签
凯文·贝茨开发的开源数字蜡烛售价149美元，利用运行在ESP32-S3芯片上的微型神经网络，在由144颗琥珀色LED组成的阵列上生成独特且永不重复的闪烁火焰模拟效果，还可以改作时钟或通知显示屏。
lgit 是一款实验性版本控制工具，它将文件存储为神经网络权重，而非字节：提交时训练一个小型网络来记忆代码或图像，检出时则通过推理重建数据，有时会有损失。它完全在浏览器中运行，并提供交互式演示。
本文介绍了 MatFAE，一种用于从对称正定 (SPD) 流形上的轨迹中学习表示的功能神经网络，可应用于神经影像学及其他科学领域。
一个使用 NumPy 构建的教育工具，带有 GUI 可以可视化小型 MLP 的训练过程，包括权重分布、每层的 t-SNE 和神经元消融，旨在帮助学生和教师理解神经网络。
论文介绍了Neurogenesis Network (NGN)，这是一种可微分参数化方法，用于在训练过程中学习神经网络的最优规模，适用于包括MLPs、CNNs和Transformers在内的多种架构。
本文介绍了HARN，一个用于金融时间序列事件驱动多时间框架预测的分层关联共振网络，通过多个资产的评估，显示出与基线相比具有竞争力的结果。
OpenTrainDNN 是一个开源的客户端Web应用，它能在浏览器中实时可视化深度神经网络的训练过程，包括反向传播和权重更新。
Spi-fly是一种受果蝇启发的神经网络，使用稀疏活动和联想学习，能够以极少内存快速学习气味。它展示了强大的少样本学习性能，但需要进一步测试。
ResNLS 是一种结合了ResNet和LSTM的混合神经网络模型，通过强调股价之间的依赖关系来改进股票价格预测，相比基线模型至少实现了20%的提升，并展示了实际交易应用价值。
本文提出了一种神经网络模型，用于快速且准确地识别文本内容文件类型，在准确性和速度上超越了现有的工具，如 Magika，同时体积更小。
作者讨论了他们2021年用于分类科学出版物的神经网络如何被像Jev和Qwen 27b这样的新AI模型所取代。
本文提出一种基于信道信息的物理层密钥生成神经网络，利用接收的IQ测量数据和射线追踪增强技术，以提升密钥多样性并通过NIST随机性测试。
WangNet 是一个轻量级、零依赖的神经网络，用于在11种语言中判断数字是否为Numberwang，打包在一个1.8 MB的JSON文件中，支持简单的Python推理。
用户利用DeepSeek-V4-Flash AI模型和Cline桌面应用，训练果蝇模型执行二头肌弯举和深蹲等健身动作，并在MuJoCo物理引擎上映射了FlyWire连接组的139,255个神经元。
一条推文报道说，@hammer_mt 已经训练了 flybrain 系统来执行氛围检查，表明在人工智能或相关技术方面有所进展。
CAHR-Net 提出了一种条件自适应磁滞重建网络，通过将操作条件注入中间表示来改进磁芯损耗建模，与现有方法相比，实现了更低的误差和更少的参数。
DiffIE引入了一种基于扩散的开放信息抽取方法，该方法使用随机反向扩散生成多个候选三元组，在CaRB和BenchIE等基准测试中达到最先进的性能。
用户质疑是否可以设计混合专家（MoE）路由器来预测token序列的未来专家需求，以实现RAM和VRAM之间的更快缓存，或者是否可以为此训练一个单独的神经网络。
本文介绍了一种使用神经网络进行脆性断裂相场建模的无网格多分辨率深度能量方法，并在裂纹扩展模拟中展示了与有限元方法相当的性能。
作者Alexey Fateev拆解了Qwen3.8-27B AI模型，通过零训练的权重手术提取MoE结构，发现只有两个神经元在超过90%的token上活跃。