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. keras示例程序

  2. addition_rnn.py 执行序列学习以执行两个数字（作为字符串）的添加。 antirectifier.py 演示如何为Keras编写自定义图层。 babi_memnn.py 在bAbI数据集上训练一个内存网络以进行阅读理解。 babi_rnn.py 在bAbI数据集上训练一个双支循环网络，以便阅读理解。 cifar10_cnn.py 在CIFAR10小图像数据集上训练一个简单的深CNN。 conv_filter_visualization.py 通过输入空间中的渐变上升可视化 VGG1

  3. 所属分类：深度学习

    • 发布日期：2017-10-23
    • 文件大小：10485760
    • 提供者：manoerina0411

  1. LSTM_TimeSeries_AnomalyDetection[python/Keras]

  2. 异常点检测是指寻找那些偏离标准值或正常值的数据点。异常点有几种常见的类型：短期内产生的峰值，包括最大值、最小值、以及零值；长期的数据合计与上一周期的比较等。检测方法也可以归类为两种：对数据点进行分类，标记异常与否；或是对未来数据走势做预测，给出置信区间。人工神经网络也能够进行异常检测，只是这一方式还处于科研阶段。想要提醒读者的是，尽量从简单的模型开始，针对你的具体问题进行优化，因为通用的算法并不一定是最优的。

  3. 所属分类：深度学习

    • 发布日期：2018-06-12
    • 文件大小：139264
    • 提供者：qj8380078

  1. 基于LSTM神经网络的国内COVID-19疫情情况建模

  2. 使用PYthon的keras包来构建LSTM模型（请自行安装keras包)，用疫情前七天的数据作为训练集构建LSTM神经网络实现对疫情的预测。

  3. 所属分类：其它

    • 发布日期：2020-04-27
    • 文件大小：2048
    • 提供者：SUBSTITUTEMAN

  1. Keras中文文档.pdf

  2. Keras官方文档PDF版，带书签，一共307页，完整版，目前最好的版本！欢迎下载！model train on batch(x batch, y batch) 只需一行代码就能评估模型性能: loss and metrics modelevaluate(x test, y test, batch size=128) 或者对新的数据生成预测: classes =model predictx test, batch size=128) 构建一个问答系统,一个图像分类模型,一个神经图灵机,或者其他的

  3. 所属分类：深度学习

    • 发布日期：2019-09-03
    • 文件大小：12582912
    • 提供者：dzgybd

  1. LSTM（长短期记忆神经网络）的小项目

  2. 使用keras库，数据来自BCI Competiton数据集下的Data from Berlin组的mat文件，请仅限用于研究，数据包组成，使用后三个量x_train（训练集）,y_train（标签）,x_test（测试集），训练集有316组样本，样本由500毫秒下28通道的数据构成，数据详细描述：http://www.bbci.de/competition/ii/berlin_desc.html。使用k折验证法验证，验证结果极佳，但没有测试集的标签，所以不知道对于新数据的分类情况如何。

  3. 所属分类：机器学习

    • 发布日期：2020-09-18
    • 文件大小：9437184
    • 提供者：qq_42947060

  1. keras 简单 lstm实例(基于one-hot编码)

  2. 主要介绍了keras 简单 lstm实例(基于one-hot编码)，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：2020-09-16
    • 文件大小：59392
    • 提供者：weixin_38677806

  1. 爬取股票交易数据并可视化，利用keras搭建LSTM网络对股价进行预测

  2. tushare API提供了股票交易数据，直接利用API爬取近十年股票数据。对K线图、移动平均线和MADC可视化。用keras搭建LSTM神经网络模型，2010-2019年日收盘价做训练数据，对2020年收盘价进行预测。

  3. 所属分类：金融

    • 发布日期：2020-12-15
    • 文件大小：5120
    • 提供者：qq_42693453

  1. 基于LSTM神经网络模型预测北京PM2.5排放量预测

  2. 基于LSTM神经网络模型预测北京PM2.5排放量预测 代码实现 import tensorflow as tf import numpy as np import pandas as pd import matplotlib.pyplot as plt from tensorflow.keras import layers from sklearn.preprocessing import StandardScaler, MinMaxScaler, OneHotEncoder from skle

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：45056
    • 提供者：weixin_38735782

  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. 用Keras开发字符级神经网络语言模型

  2. 语言模型可根据序列中出现的特定单词来预测下一个单词。可以使用神经网络在字符级别上开发语言模型。基于字符的语言模型有一个最大的优点，就是在处理单词、标点符号和其他文档结构的时候，能保持较小的词汇量和较强的灵活性。但所付出的代价是模型较大、训练较慢。然而，在神经网络语言模型领域，基于字符的模型为语言建模提供了一种通用、灵活和强大的方法。在本教程中，你将了解到如何开发基于字符的神经网络语言模型。学习完本教程，你将学会：1.如何针对基于字符的语言建模准备文本。2.如何使用LSTM开发基于字符的语言模型。

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：576512
    • 提供者：weixin_38616505

  1. 用Keras开发字符级神经网络语言模型

  2. 语言模型可根据序列中出现的特定单词来预测下一个单词。可以使用神经网络在字符级别上开发语言模型。基于字符的语言模型有一个最大的优点，就是在处理单词、标点符号和其他文档结构的时候，能保持较小的词汇量和较强的灵活性。但所付出的代价是模型较大、训练较慢。然而，在神经网络语言模型领域，基于字符的模型为语言建模提供了一种通用、灵活和强大的方法。在本教程中，你将了解到如何开发基于字符的神经网络语言模型。学习完本教程，你将学会：1.如何针对基于字符的语言建模准备文本。2.如何使用LSTM开发基于字符的语言模型。

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：576512
    • 提供者：weixin_38551938

  1. RNN-污染-预测：使用简单的递归神经网络，Python和Keras的LSTM和GRU预测下一个小时，一周和一个月的污染-源码

  2. RNN污染预测 使用简单的递归神经网络，Python和Keras的LSTM和GRU，预测北京市下一个小时，一周和一个月的污染。

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：239616
    • 提供者：weixin_42133899

  1. nmt-keras：使用Keras进行神经机器翻译-源码

  2. NMT-凯拉斯 Keras的神经机器翻译。 图书馆文件： 注意递归神经网络NMT模型 变压器NMT模型 功能（除了完整的Keras宇宙外）：。 :red_exclamation_mark: 多GPU训练（仅适用于Tensorflow）。 。 。 在线学习和交互式神经机器翻译（INMT）。 请参阅。 注释输入序列上的注意力模型。 支持 注意机制。 还支持双重随机注意（来自公式14） 偷看的解码器：先前生成的字是当前时间步的输入。 波束搜索解码。 集成解码（ ）。 具有长

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：2097152
    • 提供者：weixin_42136791

  1. Keras教程：使用Keras框架的简单教程-源码

  2. Keras教程 基于Keras框架的深度学习简介。 这些教程是nlintz的直接移植。 基本主题（来自nlint'z github） 线性回归（，） Logistic回归（，） 前馈神经网络（多层感知器）（，） 深度前馈神经网络（具有2个隐藏层Oo的多层感知器）（，） 卷积神经网络（，） 去噪自动编码器（，） 递归神经网络（LSTM）（，） Word2vec TensorBoard（，） 保存和还原网络（，） 进阶主题 图片分类 物体检测 超分辨率 图片字幕 语义分割 注

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：276480
    • 提供者：weixin_42131890

  1. timeseries-lstm-keras：基于Jason Brownlee教程，在Keras中使用LSTM递归神经网络在Python中进行时间序列预测-源码

  2. timeseries-lstm-keras：基于Jason Brownlee教程，在Keras中使用LSTM递归神经网络在Python中进行时间序列预测

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：244736
    • 提供者：weixin_42134285

  1. R-NET-Keras：开放的R-NET实施和详细分析：https：git.iovd8dx-源码

  2. Keras中的R-NET实施 该存储库试图重现在提出的结果。 该报告描述了一个复杂的神经网络，称为旨在回答问题。 描述了详细信息。 R-NET是斯坦福QA数据库上目前最好的单一模型（2017年8月25日）： 。 SQuAD数据集使用两个性能指标，完全匹配（EM）和F1分数（F1）。 在测试集上，人类绩效估计为EM = 82.3％和F1 = 91.2％。 该报告描述了R-NET的两个版本： 第一个称为R-NET (Wang et al., 2017) （指尚未在线提供的论文），并且在测试

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：8388608
    • 提供者：weixin_42102713

  1. 屏幕截图至代码：将设计模型转换为静态网站的神经网络-源码

  2. 详细的教程涵盖了该存储库中的代码： 。 神经网络是通过三个迭代构建的。 从Hello World版本开始，然后是主要的神经网络层，最后是对其进行训练以进行概括。 这些模型基于Tony Beltramelli的 ，并受到Airbnb的和哈佛的的。 注意：只有Bootstrap版本可以推广到新的设计模型中。 它使用16个特定于域的令牌，这些令牌已转换为HTML / CSS。 它具有97％的准确性。 最佳模型使用GRU而不是LSTM。 该版本可以在一些GPU上进行训练。 原始HTML版本具有推广

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1048576
    • 提供者：weixin_42116058

  1. 递归神经网络对比特币的价格预测：使用Python中的TensorFlow和Keras进行递归神经网络（LSTM）进行比特币价格预测-源码

  2. 递归神经网络对比特币的价格预测 在Python中使用TensorFlow和Keras进行递归神经网络（LSTM）进行BitCoin价格预测 先决条件 Python 3.0+ ML Lib。（numpy，matplotlib，pandas，scikit学习） TensorFlow 凯拉斯 什么是RNN，为什么我们需要它？ RNN背后的想法是利用顺序信息。 在传统的神经网络中，我们假设所有输入（和输出）彼此独立。 但是对于许多任务来说，这是一个非常糟糕的主意。 如果您想预测句子中的下一个单词

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：169984
    • 提供者：weixin_42114645

  1. EmotionRecognition_DL_LSTM:这项研究旨在研究和实现一种人工智能（AI）算法，该算法将实时分析音频文件，识别并呈现其中表达的情感。 该模型以“深度学习”方法（即“深度神经网络”）开发。 选择了用于时间序列分析的高级模

  2. 实时语音情感识别（SER） 具有keras的深度学习（LSTM）模型。 这项研究旨在研究和实现一种人工智能（AI）算法，该算法将实时分析音频文件，识别并呈现其中表达的情感。 此分类模型是通过深度学习方法开发的，这意味着深度神经网络（DNN），同时选择了用于时间序列分析的高级模型，即长短期记忆（LSTM）。 对于模型的训练，已经使用了瑞尔森大学的Ryerson情感言语和歌曲视听数据库（RAVDESS）以及多伦多大学的多伦多情感言语集（TESS）来使用演员表达的情感。 。 结果显示，语音识

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：1048576
    • 提供者：weixin_42113794

  1. AI-for-Keras:本系列代码主要是作者Python人工智能之家Keras的系列博客，涉及回归神经网络，CNN，RNN，LSTM等内容。基础性代码，希望对您有所帮助-源码

  2. 人工智能 本系列主要是作者Python人工智能之家Keras的系列博客，涉及回归神经网络，CNN，RNN，LSTM等内容。讲解更多的Python人工智能案例及应用。基础性文章，希望对您有所帮助，如果文章中存在错误或不足之处，还请海涵〜作者作为人工智能的菜鸟，希望大家能与我在这写了这么多年的博客，尝试第一个推荐专栏，但更多博客主要基础性文章，还是会继续免费分享，但该专栏也会用心撰写，望对得起读者，共勉！ 从2014年开始，作者主要写了三个Python系列文章，分别是基础知识，网络爬虫和数据分析。2

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：105906176
    • 提供者：weixin_42172972
« 12 »