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. A MULTIMODAL EXECUTION MONITOR FOR ASSISTIVE ROBOTS

  2. 基于多传感器的机器人异常检测算法，LSTM-VAE，可以用于设备预测维护分析。

  3. 所属分类：机器学习

    • 发布日期：2018-10-22
    • 文件大小：24mb
    • 提供者：dongbeike2010

  1. 神经网络结构族谱

  2. 各种类型的神经网络结构图谱，P、FF、RBF、DFF、RNN、LSTM、GRU、AE、VAE、DAE、SAE、MC、HN、BM、RBM、DBN、DCN、DN、DCIGN、GAN、LSM、ELM、ESN、DRN、KN、SVM、NTM，没找到免分数的选项，只好最低1分了。

  3. 所属分类：深度学习

    • 发布日期：2019-01-09
    • 文件大小：465kb
    • 提供者：topsoftbj

  1. poem_generation:用于测试文本生成方法（例如LSTM，VAE等）和不同转换器的存储库-源码

  2. NLP-诗歌 在过去的十年中，自然语言处理（NLP）的发展非常Swift。 这是一个非常复杂的领域，并且一直在进步。 此回购旨在针对特定类型的语料诗尝试一些NLP任务和算法。 这些诗是从刮下来的，可以在找到刮取的代码 任务类型 使用此存储库中的ata可以执行两个主要任务： 文本生成-生成诗歌 文本分类-对主题或诗歌形式进行分类 数据集 该数据集由两个文件夹组成，两个文件夹都包含诗歌的子文件夹。 这些诗歌按形式（例如句，十四行诗等）或主题（爱，自然，欢乐，和平等）分类。 由于数据采用这种结构

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：16mb
    • 提供者：weixin_42116650

  1. 异常检测-源码

  2. 异常检测算法 这些算法可以直接运行：（可以在“ Vae”目录中找到数据集结构） BeatGAN：B.Zhou，S.Liu，B.Hooi，X.Cheng和J.Ye，“ Beatgan：使用对抗性生成的时间序列进行异常节律检测”，IJCAI，2019年，第4433–4439页。 Dagmm：B. Zong，Q。Song，MR Min，W。Cheng，C。Lumezanu，D。Cho和H. Chen，“用于无监督异常检测的深度自动编码高斯混合模型”，载于ICLR，2018年。 Encdec：P。Mal

  3. 所属分类：其它

  1. 旋律VAE_M4L-源码

  2. 节奏VAE_M4L 使用变分自动编码器（VAE）的现场（M4L）节奏发生器的最大值 怎么运行的 如果要快速测试设备，请使用/release目录中的设备。 要求 您需要通过软件包管理器将Node for Max软件包更新为最新版本（版本1.2.3或更高版本），或使用Max的最新版本（8.1.0或更高版本） 已知问题 -当您连续不断地产生节奏时，Node for Max有时会因“ Max API Timeout”错误而崩溃，并且您会看到“尚未训练模型”错误消息。 与名称包含特殊字符（例如[]?

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：55mb
    • 提供者：weixin_42102272

  1. 股票预测模型：收集机器学习和深度学习模型以进行股票预测，包括交易机器人和模拟-源码

  2. 股票预测模型，收集用于股票预测的机器学习和深度学习模型，包括交易机器人和模拟。 目录 内容 楷模 LSTM LSTM双向 LSTM 2路径 格鲁 双向GRU GRU 2路径 香草 香草双向 香草2路径 LSTM Seq2seq LSTM双向Seq2seq LSTM Seq2seq VAE GRU Seq2seq GRU双向Seq2seq GRU Seq2seq VAE 注意是您所需要的 CNN-Seq2seq 扩张的CNN-Seq2seq 奖金 如何使用模型之一来预测t +

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：15mb
    • 提供者：weixin_42131342

  1. Sentence-VAE：PyTorch重新实现“从连续空间生成句子”，Bowman等人，2015年，https：//arxiv.orgabs1511.06349-源码

  2. 句子变化自动编码器 Bowman等人中PyTorch重新实现。 2015年。 注意：此实现目前不支持LSTM，但支持RNN和GRU。 结果 训练 埃尔波 负对数似然 KL散度 性能 4个纪元后停止训练。 真正的ELBO进行了大约1个历元的优化（如上图所示）。 结果是整个拆分的平均值。 分裂 零担 吉隆坡 培养 99.821 7.944 验证方式 103.220 7.346 测试 103.967 7.269 样品 从z〜N（0，I）进行采样后，获得了哨兵。 先生 。 不与自己的员工和

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：224kb
    • 提供者：weixin_42131790