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. rnn-tutorial-gru-lstm-master分词

  2. 人工智能深度学习，中文分词代码，准确无误。rnn-tutorial-gru-lstm-master分词

  3. 所属分类：深度学习

    • 发布日期：2018-03-12
    • 文件大小：32505856
    • 提供者：nicolepingz

  1. GRU（Gated Recurrent）神经网络介绍及公式推导

  2. GRU（Gated Recurrent Unit）神经网络是LSTM 的一个变体，GRU 在保持了LSTM 的效果同时又使结构更加简单，是一种非常流行RNN 神经网络，它只有两个门了，分别为更新门t z 和重置门tr 。更新门控制前一时刻的状态信息被带入到当前状态中的程度，值越大前一时刻的状态信息带入越多。重置门控制忽略前一时刻的状态信息的程度，值越小说明忽略得越多。

  3. 所属分类：深度学习

    • 发布日期：2018-07-08
    • 文件大小：212992
    • 提供者：qq_38562705

  1. CNN+GRU+CTC不定长中文识别模型训练和测试

  2. Keras训练CNN+GRU+CTC不定长中文识别模型工程代码，含模型文件

  3. 所属分类：深度学习

    • 发布日期：2018-02-10
    • 文件大小：77594624
    • 提供者：dcrmg

  1. 基于PSO-Adam-GRU的煤矿瓦斯浓度预测模型

  2. 煤矿瓦斯浓度的精准预测是矿井瓦斯防治的关键。为了准确可靠地预测工作面瓦斯浓度，提出了一种基于门控循环单元方法的工作面瓦斯浓度预测模型。采用邻近均值法对数据缺失值和异常值进行补全，采用MinMaxScaler方法对实验数据进行归一化处理，为了提高模型精度和稳定性，采用粒子群算法和Adam算法对GRU超参数进行优化，从而构建了基于PSO-Adam-GRU的工作面瓦斯浓度预测模型。以崔家沟煤矿生产监测数据为样本数据进行模型训练，采用平均绝对误差、均方根误差、运行时间3种评价指标对预测模型性能进行评估，

  3. 所属分类：其它

    • 发布日期：2020-05-04
    • 文件大小：1048576
    • 提供者：weixin_38712279

  1. 开源项目-dnaeon-gru.zip

  2. 开源项目-dnaeon-gru.zip,Gru v0.3.0 released: Orchestration framework powered by Go and Lua

  3. 所属分类：其它

    • 发布日期：2019-09-03
    • 文件大小：173056
    • 提供者：weixin_38743968

  1. GRU神经网络 Python代码

  2. 基于Keras的GRU神经网络实现 Python编写 可以直接运行得到结果

  3. 所属分类：深度学习

    • 发布日期：2019-04-20
    • 文件大小：8192
    • 提供者：djq77777

  1. Pytorch实现LSTM和GRU示例

  2. 今天小编就为大家分享一篇Pytorch实现LSTM和GRU示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：283648
    • 提供者：weixin_38569515

  1. 门控循环神经⽹络GRU.docx

  2. 门控循环神经⽹络（gated recurrent neural network）的提出，正是为了更好地捕捉时间序列中时间步距离较⼤的依赖关系。它通过可以学习的⻔来控制信息的流动。其中，门控循环单元（gated recurrent unit，GRU）是⼀种常用的门控循环神经⽹络。

  3. 所属分类：讲义

    • 发布日期：2020-09-15
    • 文件大小：202752
    • 提供者：qq_36247362

  1. 中文语音识别cnn + gru +ctc

  2. 自动语音识别模型，包括cnn+ctc模型和gru+ctc模型。使用tensorflow1.+和keras进行模型训练。实现中文语音识别。

  3. 所属分类：深度学习

    • 发布日期：2020-11-12
    • 文件大小：59392
    • 提供者：qq_41854731

  1. Pytorch实现LSTM和GRU示例

  2. 为了解决传统RNN无法长时依赖问题，RNN的两个变体LSTM和GRU被引入。 LSTM Long Short Term Memory，称为长短期记忆网络，意思就是长的短时记忆，其解决的仍然是短时记忆问题，这种短时记忆比较长，能一定程度上解决长时依赖。 上图为LSTM的抽象结构，LSTM由3个门来控制，分别是输入门、遗忘门和输出门。输入门控制网络的输入，遗忘门控制着记忆单元，输出门控制着网络的输出。最为重要的就是遗忘门，可以决定哪些记忆被保留，由于遗忘门的作用，使得LSTM具有长时记忆的功能。对

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：284672
    • 提供者：weixin_38677244

  1. Python进行GRU和LSTM

  2. 加载包 import numpy as np import pandas as pd import math #Sequential多个网络层的线性堆叠；Dense隐含层 from keras.models import Sequential from keras.layers import Dense from keras.layers import LSTM from keras.layers import SimpleRNN from keras.layers import GRU fro

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：34816
    • 提供者：weixin_38711740

  1. keras_ LSTM 层和 GRU 层

  2. 6.2.2 理解 LSTM 层和 GRU 层 参考： https://blog.csdn.net/qq_30614345/article/details/98714874 6.2.4　小结 现在你已经学会了以下内容。 ‰ 循环神经网络（RNN）的概念及其工作原理。 ‰ 长短期记忆（LSTM）是什么，为什么它在长序列上的效果要好于普通 RNN。 ‰ 如何使用 Keras 的 RNN 层来处理序列数据。 接下来，我们将介绍 RNN 几个更高级的功能，这可以帮你有效利用深度学习序列模型 6.2. 2　

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：101376
    • 提供者：weixin_38676851

  1. 为什么GRU可以解决长短记忆的问题

  2. 今天又要打卡了，很遗憾，我并没有太多时间去针对该问题做一个更好的整理和解释，只能把在回顾该模型时所产生的一些问题的主要部分记录一下，待日后能在回顾博客的时候，进一步找到解决方法 为什么GRU可以解决长短记忆的问题 我们知道，GRU是为了应对RNN的梯度爆炸问题，并且为了更好地捕捉到时间序列中时间步距离较大的依赖关系提出来的，因此提出来更新门和重置门的概念，通过两个门的应用，改变隐藏状态的计算方式，进而实现上面所要应对问题的解决方法 重置门有助于捕捉时间序列里短期的依赖关系 更新门有助于捕捉时间序

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：53248
    • 提供者：weixin_38500222

  1. 分解后使用多延迟的GRU神经网络进行时间序列预测

  2. 分解后使用多延迟的GRU神经网络进行时间序列预测

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：523264
    • 提供者：weixin_38717156

  1. GRU(门控循环单元)时间序列预测.zip

  2. MATLAB实现GRU(门控循环单元)时间序列预测

  3. 所属分类：交通

    • 发布日期：2021-03-22
    • 文件大小：3072
    • 提供者：kjm13182345320

  1. Bitcoin-Price-Prediction-With-GRU-R2-Score-0.98--源码

  2. 带有GRU-R2-Score-0.98-的比特币价格预测 自2008年发明比特币以来，比特币已成为世界上最受欢迎和最有价值的加密货币之一，比特币的价格已大幅上涨，并已成为投资者的潜在投资。但是，不利于投资比特币的主要因素是其波动性，而不是某人的权威。此外，比特币的波动性很大，这使得预测其价格更加困难。为了消除这项繁琐的任务，我创建了一个深度学习系统，该系统能够以仅1.77的均方误差预测和预测比特币价格。 使用的图书馆 张量流 凯拉斯 脾气暴躁的 大熊猫 Matplotlib 脾气暴躁的 斯克莱恩

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：1048576
    • 提供者：weixin_42146086

  1. Event-Extraction:临时事件撤除方法总结，包括中文事件撤消，开放域事件撤除，事件数据生成，跨语言事件撤消，小样本事件撤消，零样本事件撤消等类型，DMCNN，FramNet，DLRNN，DBRNN，GCN，DAG- GRU，JM

  2. Event-Extraction（事件抽取资料摘要总结）更新中... 临时事件撤除方法总结，包括中文事件撤消，开放域事件撤除，事件数据生成，跨语言事件撤消，小样本事件撤消，零样本事件撤消等类型，DMCNN，FramNet，DLRNN，DBRNN，GCN，DAG- GRU，JMEE，PLMEE等方法。 目录 定义 封闭域 闭域事件撤除使用预定义的事件模式从文本中发现并提取所需的特定类型的事件。事件模式包含多个事件类型及其相应的事件结构。四个子任务：触发词检测，事件/触发词类型识别，事件论元检测和参

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：10485760
    • 提供者：weixin_42099755

  1. NMT-with-Attn-GRU:专注GRU的神经机器翻译-源码

  2. 带有Attn-GRU的NMT 专注GRU的神经机器翻译

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：2048
    • 提供者：weixin_42131316

  1. Image-Caption-Generation:InceptionV3-多层GRU（Keras和TensorFlow）-源码

  2. 图像字幕生成 InceptionV3-多层GRU（Keras和TensorFlow） 要求： Python 3.6 TensorFlow 1.13.1（安装tensorflow-1.13.1-cp36-cp36m-win_amd64.whl） 凯拉斯2.2.4 Joblib 1.0.1 Matplotlib 3.3.4 Open CV 4.5.1 熊猫1.1.5 Nltk 3.5 下载Flickr30k或MSCOCO数据集图像和标题。 训练模型的步骤： 克隆存储库以保留目录结

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：66060288
    • 提供者：weixin_42114645

  1. Intrusion-Detection-System-for-IoT-networks-using-Gated-Recurrent-Neural-Networks-GRU:使用门控递归神经网络（GRU）的IoT网络智能入侵检测系统-源码

  2. 论文 使用门控递归神经网络（GRU）的IoT网络智能入侵检测系统：一种深度学习方法 注意：此处未发布主要代码和分析。 此回购中的笔记本是研究初期阶段所做的基本工作。

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：1048576
    • 提供者：weixin_42166626
« 12 3 4 5 6 7 8 9 10 »