注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 人工神经网络实用教程.pdf

  2. 在人们梦想着掌握和获取大脑记忆思维机理的愿望驱使下,从80年代以来,人工神经网络的研究吸引着众多的科学工作者,使得在短期内,在人工神经网络模型,拓扑结构,算法原理,应用与实现等各方面取得了令人鼓舞的成果.

  3. 所属分类：其它

    • 发布日期：2011-03-10
    • 文件大小：4194304
    • 提供者：eshidai2008

  1. LSTM（Long Short-Term Memory）是长短期记忆网络 一篇不错的文章

  2. 一篇不错的关于LSTM（是长短期记忆网络)的文章， 对于LSTM有一种不一样的理解

  3. 所属分类：深度学习

    • 发布日期：2018-11-11
    • 文件大小：50176
    • 提供者：brucejiang1314

  1. Deep Learning for Natural Language Processing

  2. 发现用于自然语言处理（NLP）的深度学习的概念，以及神经网络模型的完整示例，例如递归神经网络，长期短期记忆网络和序列2序列模型。 首先，我将通过实例来涵盖数学先决条件和深度学习和NLP的基础知识。本书的前三章涵盖了NLP的基础知识，从进入高级算法之前的字向量表示开始。最后几章完全侧重于实现，并使用Python工具处理复杂的体系结构，如RNN，LSTM和Seq2seq：TensorFlow和Keras。自然语言处理的深度学习遵循渐进的方法，结合您所获得的所有知识来构建问答式聊天机器人系统。 对于想

  3. 所属分类：深度学习

    • 发布日期：2018-12-26
    • 文件大小：6291456
    • 提供者：weixin_39397839

  1. 基于注意力机制的行人轨迹预测生成模型（AttenGAN）.pdf

  2. 针对长 短期记忆网络（LSTM） 在行人轨迹预测问题中孤立考虑单个行人，且无法进行多种可能性预测的问题，提出基于注意力机制的行人轨迹预测生成模型（AttenGAN），来对行人交互模式进行建模和概率性地对多种合理可能性进行预测。AttenGAN 包括一个生成器和一个判别器，生成器根据行人过去的轨迹概率性地对未来进行多种可能性预测，判别器用来判断一个轨迹是真实的还是由生成器伪造生成的，进而促进生成器生成符合社会规范的预测轨迹。生成器由一个编码器和一个解码器组成，在每一个时刻，编码器的LSTM综合注

  3. 所属分类：其它

    • 发布日期：2019-07-23
    • 文件大小：1048576
    • 提供者：weixin_39840515

  1. 简单入门循环神经网络RNN.docx

  2. 本文将介绍经典的网络之循环神经网络（RNN, Recurrent Neural Networks），这一网络也是时序数据的首选网络。当涉及某些顺序机器学习任务时，RNN可以达到很高的精度，没有其他算法可以与之一较高下。这是由于传统的神经网络只是具有一种短期记忆，而RNN具有有限的短期记忆的优势。然而，第一代RNNs网络并没有引起人们着重的注意，这是由于研究人员在利用反向传播和梯度下降算法过程中遭受到了严重的梯度消失问题，阻碍了RNN几十年的发展。最后，于90年代后期出现了重大突破，导致更加准确的

  3. 所属分类：深度学习

    • 发布日期：2019-08-09
    • 文件大小：370688
    • 提供者：m0_37792821

  1. 利用卷积神经网络支持向量回归机的地区负荷聚类集成预测_沈兆轩.pdf

  2. 为提高地区负荷预测的运算效率和预测精度，本文提 出了一种基于卷积神经网络支持向量回归机的地区负荷聚类 集成预测方法。首先，通过聚类模型对地区内大量用户的真 实负荷数据进行分组并分析了不同聚类模型的效果。其次， 使用得到的聚类分组标签将用户数据分组集成并构建训练数 据。然后，基于改进的卷积神经网络构建了卷积神经网络支 持向量回归机模型。最后，分组进行负荷预测并将预测结果 求和得到地区最终预测月负荷，并与卷积神经网络模型、长 短期记忆神经网络模型、决策树模型、支持向量回归机模型 进行对比。本文使用扬

  3. 所属分类：讲义

    • 发布日期：2020-09-03
    • 文件大小：684032
    • 提供者：SparkQiang

  1. 基于深度长短时记忆网络的区域级超短期负荷预测方法_张宇帆.pdf

  2. 超短期负荷预测为实时电力市场运行提供重要依据， 预测准确度的提升对于揭示负荷变化的不确定性以及日前 预测偏差具有重要意义。基于电力系统中含有的丰富大数据 资源，提出了一种针对区域级负荷的深度长短时记忆网络超 短期预测方法，该方法包括输入数据的预处理、深度长短时 记忆(long short-term memory，LSTM)网络的构建以及模型 的训练和超参数的寻找等步骤。其中采用随机搜索的方法寻 找最优超参数，并在该超参数下选择泛化能力最优的模型，与前沿机器学习预测算法进行对比。实验结果证实，深度

  3. 所属分类：讲义

    • 发布日期：2020-10-17
    • 文件大小：1048576
    • 提供者：SparkQiang

  1. 专利中化学和基因/蛋白质实体识别的神经网络方法

  2. 在生物医学研究中，专利包含大量信息，而生物医学文本挖掘最近在专利中引起了很多关注。 为了加快专利生物医学文本挖掘的发展，BioCreative V.5挑战赛组织了三个方面，即化学实体提及识别（CEMP），基因和蛋白质相关对象识别（GPRO）以及注释服务器的技术互操作性和性能，专注于专利中的生物医学实体识别。 本文介绍了针对CEMP和GPRO轨道的神经网络方法。 在该方法中，具有条件随机场层的双向长期短期记忆被用于识别专利中的生物医学实体。 为了提高性能，我们探索了神经网络模型的其他功能（即，词性

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：1048576
    • 提供者：weixin_38656741

  1. Hippocampal-Volume-Quantification-in-Alzheimers-Progression:临床网络中的3D医学图像分析，分割和AI部署-源码

  2. 量化阿尔茨海默氏症进展的海马体积 临床网络中的3D医学图像分析，分割和AI部署 阿尔茨海默氏病（AD）是一种进行性神经退行性疾病，可导致神经元（脑细胞）功能受损，并最终导致细胞死亡。 AD是痴呆的最常见原因。 在临床上，它的特征是记忆力丧失，无法学习新材料，语言功能丧失和其他表现。 海马是人脑（和其他脊椎动物的大脑）的关键结构，在从短期记忆到长期记忆的信息整合中起着重要作用。 事实证明，对海马体积的测量对于诊断和跟踪几种脑部疾病（尤其是在AD中）的进展非常有用。 研究表明，患有AD的患者海马体

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：126976
    • 提供者：weixin_42162216

  1. 深度学习：人工智能长期短期记忆（LSTM）卷积神经网络（CNN）递归神经网络（RNN）Resnet50残留网络-源码

  2. 深度学习 该文件夹包含我的各种AI和机器学习项目的深度学习模型。 长短期记忆（LSTM）卷积神经网络（CNN）ResNet50

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：23068672
    • 提供者：weixin_42127835

  1. Colombo_Stock_Exchange_Prediction_RNN_LSTM：使用递归神经网络（RNN）和长期短期记忆（LSTM）来预测科伦坡证券交易所的价格-源码

  2. Colombo_Stock_Exchange_Prediction_RNN_LSTM 使用递归神经网络（RNN）和长期短期记忆（LSTM）来预测科伦坡证券交易所的价格。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：227328
    • 提供者：weixin_42131601

  1. BugAI：基于AI的错误预测的深度学习模型（长期短期记忆（LSTM），递归神经网络（RNN），卷积神经网络（CNN））-源码

  2. 布加 深度学习模型（长期短期记忆（LSTM），递归神经网络（RNN），卷积神经网络（CNN））用于基于AI的错误预测。此外，还使用了其他机器学习模型，例如SVM，oneClassClassifier，isolationForest。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：51200
    • 提供者：weixin_42166918

  1. Python人工智慧：有关深度学习，机器学习，计算机视觉和NLP的项目-源码

  2. python的人工智能 项目1：预测自行车共享模式从头开始构建和训练神经网络，以预测给定一天的共享自行车数量。 项目2：狗的品种分类器定义一个卷积神经网络，该神经网络在执行以下任务时会比普通人表现更好：识别狗的品种。给出狗的图像，该算法将对狗的品种进行估算。 Project3：生成电视脚本，使用PyTorch构建循环网络和长期短期记忆网络。执行情感分析并生成新文本，并使用循环网络来生成类似于电视脚本训练集的新文本。 Project4：生成脸部实现深层卷积GAN，生成脸部逼真的图像。 Pr

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：36700160
    • 提供者：weixin_42100129

  1. 语音情感分析器：一种语音情感分析器，使用长期短期记忆（LSTM）从语音中预测用户的心情-源码

  2. 语音情感分析仪 基于长期短期记忆（LSTM）网络的语音情感分析器。 该模型可以有效地分析愤怒，厌恶，恐惧，幸福，中立，悲伤和惊奇的7种基本情绪。 在多伦多情感言语集（TESS）数据集上进行了培训。 这对模型的可推广性造成了一些固有的限制。 由于TESS目前只有两名女性配音演员，并且在录音室中进行录制，因此该模型无法与直接制作相提并论。 该代码在jupyternotebook文件中，并且记录充分。

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：41984
    • 提供者：weixin_42109639

  1. 关系提取：tensorflow 2.0中基于RNN和CNN的关系提取模型-源码

  2. 最好在Markdown阅读器中查看此文件（例如 ） 概述 您将实现双向GRU以及用于关系提取的原始模型： GRU宽松地基于基于注意力的双向关系长期双向短期记忆网络的工作方法（Zhou等，2016）。 您将需要实现： 双向GRU 注意层 L2正则化 此外，您将设计自己的网络体系结构来解决此任务。 您可以自己想一想，也可以根据纸上已知的解决方案进行思考。 作业pdf中提供了更多详细信息。 安装 环境与过去的环境相同，减去了requirements.txt中的额外requirements.tx

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：19922944
    • 提供者：weixin_42129300

  1. t81_558_deep_learning：华盛顿大学（在圣路易斯）课程T81-558：深度神经网络的应用-源码

  2. T81 558：深度神经网络的应用 教师： 本课程的内容随着技术的发展而变化，为了跟上变革的步伐，。 第1节。2021年Spring，星期一，下午2:30，在线 第2部分。2021年Spring，在线，星期一，下午6:00 课程说明 深度学习是一组激动人心的神经网络新技术。 通过将高级培训技术和神经网络架构组件相结合，现在可以创建可以处理表格数据，图像，文本和音频作为输入和输出的神经网络。 深度学习允许神经网络以类似于人脑功能的方式学习信息的层次结构。 本课程将向学生介绍经典的神经网络结构

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：45088768
    • 提供者：weixin_42129113

  1. 使用递归神经网络RNN-LSTM和智能手机上的Tensorflow进行人类活动识别：这是我的硕士项目，我使用无线传感器数据挖掘实验室（WISDM）的数据集来构建机器学习模型，可使用智能手机加速计，Tensorflow框架，递归神经网络和多个

  2. 在智能手机上使用递归神经网络（RNN），LSTM和Tensorflow进行人类活动识别 这是我硕士课程的项目，其中涉及使用无线传感器数据挖掘实验室（WISDM）的数据集为端到端系统构建机器学习模型，以使用智能手机加速度计，Tensorflow框架，递归神经网络预测人类的基本活动网络和多个长期短期存储单元（LSTM）堆栈，用于构建具有隐藏单元的深度网络。 训练模型后，将其保存并导出到android应用程序，并使用模型作为概念验证和UI界面进行预测，以使用文本语音API讲出结果。 处理： 清理并

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：158334976
    • 提供者：weixin_42100032

  1. 循环神经网络的几个模型

  2. GRU循环神经网络 RNN存在的问题：梯度较容易出现衰减或爆炸（BPTT） ⻔控循环神经⽹络：捕捉时间序列中时间步距离较⼤的依赖关系 RNN： GRU： Rt=σ(XtWxr+Ht−1Whr+br) Zt=σ(XtWxz+Ht−1Whz+bz) H˜t=tanh(XtWxh+(Rt⊙Ht−1)Whh+bh) Ht=Zt⊙Ht−1+(1−Zt)⊙H˜t • 重置⻔有助于捕捉时间序列⾥短期的依赖关系； • 更新⻔有助于捕捉时间序列⾥⻓期的依赖关系。 LSTM 长短期记忆long short-te

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：152576
    • 提供者：weixin_38599412

  1. 基于多神经网络融合的短期负荷预测方法

  2. 为了利用不同深度神经网络的优势，提高深度学习算法对短期负荷的预测能力，提出一种基于多神经网络融合的短期负荷预测方法。以电力系统历史有功负荷、季节、日期类型和气象数据为输入特征，并行架构的深度神经网络和注意力机制网络为核心网络；以并行架构中的卷积神经网络通道提取静态特征，门控循环单元网络通道挖掘动态时序特征，采用注意力机制网络融合提取的特征并动态调整网络对不同特征的依赖程度；使用Maxout网络增强网络整体的非线性映射能力，通过全连接网络输出预测结果。与支持向量机、长短期记忆网络的算例结果对比表明

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：2097152
    • 提供者：weixin_38614636

  1. 通过双向长期短期记忆张量神经网络提取事件

  2. 通过双向长期短期记忆张量神经网络提取事件

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：989184
    • 提供者：weixin_38733875
« 12 3 »