SIR_LSTM 同时具有SIR变体和LSTM模型的混合模型，用于Covid-19预测。 不确定性量化工具箱：Chung，Youngseog和Neiswanger，Willie和Char，Ian和Schneider，Jeff（2020），超越弹球损失：用于校准不确定性量化的分位数方法 CovsirPhy开发团队（2020），CovsirPhy，用于使用SIR派生的ODE模型进行COVID-19分析的Python软件包，

为什么选择深度学习 如果您想进入人工智能领域，深度学习是让您深入学习的最受追捧的技能之一。 深度学习的基础，了解如何构建神经网络以及学习如何领导成功的机器学习项目是必不可少的技能。 卷积网络，RNN，LSTM，Adam，Dropout，BatchNorm，Xavier / He初始化等都是深度学习工具箱。 人工智能正在改变多个行业。 这些对于理解如何应用它以及在AI中建立事业至关重要。 策划资源 标题 领域 关联 50行代码（PyTorch）中的生成对抗网络（GAN） 甘 转移学习用于超小型生

LSTM工具箱 最快的Matlab RNN库之一。 性能 模型：一个LSTM模型具有[1024,1024,1024]隐藏尺寸和10个时间步长，并具有256个暗淡输入。 设备：i7-4710hq，GTX940m LSTMtoolbox：60sec / epoch Keras（1.2.2，Tensorflow backend，cudnn5.1）：29sec / epoch 产品特点 高并行执行。 将4个门的权重与W对应，并将批次中每个时间步的x和h值与3D张量xh对应。一次计算每个样本中每个样本的