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. 神经网络LSTM 时间预测

  2. 详细的LSTM代码， 附带数据。 RNN全称循环神经网络（Recurrent Neural Networks），是用来处理序列数据的。在传统的神经网络模型中，从输入层到隐含层再到输出层，层与层之间是全连接的，每层之间的节点是无连接的。但是这种普通的神经网络对于很多关于时间序列的问题却*无力。

  3. 所属分类：算法与数据结构

    • 发布日期：2017-08-03
    • 文件大小：13kb
    • 提供者：u011060119

  1. 人工智能选股之循环神经网络模型.

  2. 人工智能，rnn，股票，因子，华泰人工智能系列之九-人工智能选股之循环神经网络模型.，华泰人工智能系列之九-人工智能选股之循环神经网络模型.

  3. 所属分类：机器学习

    • 发布日期：2017-12-20
    • 文件大小：1mb
    • 提供者：libowudi

  1. 一种基于递归神经网络的密码猜测模型

  2. 一种基于递归神经网络的密码猜测模型

  3. 所属分类：深度学习

    • 发布日期：2018-04-23
    • 文件大小：602kb
    • 提供者：zero_kkk

  1. 华泰证券-人工智能选股之循环神经网络模型

  2. 神经网络是近年来迅猛发展的人工智能的核心技术，本篇报告选取具有时 间序列预测能力的循环神经网络作为研究对象，对传统RNN、LSTM、GRU 三种循环神经网络模型进行系统性的测试。在月频的多因子选股方面，循 环神经网络具有出色的样本外预测平均正确率，但是样本外平均AUC 值表 现一般。神经网络在年化超额收益率、信息比率上优于线性回归算法，但 是最大回撤普遍大于线性回归算法。在目前测试的所有神经网络模型中， LSTM 表现最好，GRU 的表现和LSTM 相近

  3. 所属分类：金融

    • 发布日期：2018-07-05
    • 文件大小：1mb
    • 提供者：lxy122425

  1. Java语言实现神经网络带数据延迟.rar

  2. 本示例代码，使用纯java语言实现神经网络算法模型，包括分类及回归，RNN等，并带有源代码及数据。可直接运行。运行结果展示使用了JFreeChart。

  3. 所属分类：Java

    • 发布日期：2020-01-01
    • 文件大小：70mb
    • 提供者：weixin_37993590

  1. 汇报CNN+RNN+LSTM神经网络模型介绍PPT

  2. 该PPT是本人对神经网络学习的一部分汇报的内容，有很多不完善的地方，仅仅作为学习参考，具体问文字版内容参考本人博客文章（https://blog.csdn.net/weixin_43935696/article/details/107482361）

  3. 所属分类：机器学习

  1. 第六章_循环神经网络(RNN).pdf

  2. 时间序列数据是指在不同时间点上收集到的数据，这类数据反映了某一事物、现象等随时间的变化状态或程度。一般的神经网络，在训练数据足够、算法模型优越的情况下，给定特定的x，就能得到期望y。其一般处理单个的输入，前一个输入和后一个输入完全无关，但实际应用中，某些任务需要能够更好的处理序列的信息，即前面的输入和后面的输入是有关系的

  3. 所属分类：深度学习

    • 发布日期：2020-07-27
    • 文件大小：5mb
    • 提供者：hkd_ywg

  1. 基于循环神经网络(RNN)实现影评情感分类

  2. 使用循环神经网络(RNN)实现影评情感分类 作为对循环神经网络的实践，我用循环神经网络做了个影评情感的分类，即判断影评的感*彩是正面的，还是负面的。 选择使用RNN来做情感分类，主要是因为影评是一段文字，是序列的，而RNN对序列的支持比较好，能够“记忆”前文。虽然可以提取特征词向量，然后交给传统机器学习模型或全连接神经网络去做，也能取得很好的效果，但只从端对端的角度来看的话，RNN无疑是最合适的。 以下介绍实现过程。 一、数据预处理 本文中使用的训练数据集为https://www.cs.cor

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：119kb
    • 提供者：weixin_38741966

  1. 基于循环神经网络(RNN)的古诗生成器

  2. 基于循环神经网络(RNN)的古诗生成器，具体内容如下 之前在手机百度上看到有个“为你写诗”功能，能够随机生成古诗，当时感觉很酷炫= = 在学习了深度学习后，了解了一下原理，打算自己做个实现练练手，于是，就有了这个项目。文中如有瑕疵纰漏之处，还请路过的诸位大佬不吝赐教，万分感谢！ 使用循环神经网络实现的古诗生成器，能够完成古体诗的自动生成。我简单地训练了一下，格式是对上了，至于意境么。。。emmm，呵呵 举一下模型测试结果例子： 1.生成古体诗 示例1： 树阴飞尽水三依，谩自为能厚景奇。 莫怪

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：121kb
    • 提供者：weixin_38706045

  1. pytorch_task3过拟合欠拟合；梯度消失爆炸；循环神经网络

  2. Task3过拟合、欠拟合及其解决方案训练误差、泛化误差模型选择验证数据集K折交叉验证过拟合欠拟合概念模型复杂度解决过拟合权重衰减（加上L2范数惩罚项）丢弃法梯度消失、梯度爆炸初始化模型参数Xavier随机初始化协变量偏移标签偏移概念偏移循环神经网络循环神经网络构造RNN简洁实现实践one-hot向量 过拟合、欠拟合及其解决方案 训练误差、泛化误差 前者指模型在训练数据集上表现出的误差。 后者指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。 模型选择 验证数据

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：175kb
    • 提供者：weixin_38665629

  1. 循环神经网络RNN以及几种经典模型

  2. RNN简介 现实世界中，很多元素都是相互连接的，比如室外的温度是随着气候的变化而周期性的变化的、我们的语言也需要通过上下文的关系来确认所表达的含义。但是机器要做到这一步就相当得难了。因此，就有了现在的循环神经网络，他的本质是：拥有记忆的能力，并且会根据这些记忆的内容来进行推断。因此，他的输出就依赖于当前的输入和记忆。 网络结构及原理 循环神经网络的基本结构特别简单，就是将网络的输出保存在一个记忆单元中，这个记忆单元和下一次的输入一起进入神经网络中。 一个最简单的循环神经网络在输入时的结构示意图：

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：351kb
    • 提供者：weixin_38746926

  1. 《动手学习深度学习》之三：3.RNN循环神经网络（进阶）-4种模型（打卡2.6）

  2. RNN循环神经网络（进阶） 1.GRU（门控）模型 1.1.概念 1.1.1.RNN存在的问题：梯度较容易出现衰减或爆炸（BPTT） 1.1.2.GRU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 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。 1.2.GRU模型从零实现 1.2.1.载入数据集 import numpy as np import torch from torch import nn, optim import torc

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：431kb
    • 提供者：weixin_38522214

  1. 深度学习——循环神经网络

  2. 理解 循环神经网络(Recurrent Neural Network, RNN)是一类以序列(sequence)数据为输入，在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式连接的递归神经网络(recursive neural network)。 递归神经网络(RNN)相对于MLP和CNN的主要优点是，它能够处理序列数据，在传统神经网络或卷积神经网络中，样本(sample)输入与输出是没有“顺序”概念的，可以理解为，如果把输入序列和输出序列重新排布，对整体模型的理论性能不

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：279kb
    • 提供者：weixin_38663452

  1. 简单理解RNN循环神经网络

  2. 简单理解RNN循环神经网络RNN(Recurrent Neural Network）介绍图说RNN宏观结构图说RNN微观结构 RNN(Recurrent Neural Network）介绍 介绍： RNN，也就是循环神经网络，是用来建模序列化数据的一种主流的深度学习模型。传统的前馈神经网络处理的输入往往都是一个定长向量，较难应对变长的序列信息，就算把序列处理成定长的向量，模型也很难捕捉序列中的长距离依赖关系。而RNN中的每个神经元能够运用其内部变量保存之前输入的序列信息，将所有神经元串行就可以处

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：137kb
    • 提供者：weixin_38601878

  1. CNN_vs_RNN_Image_Classification:该程序使用卷积神经网络对图像进行分类-源码

  2. CNN与RNN图像分类 该程序使用卷积神经网络和递归神经网络对来自MNIST手写数字数据集的图像进行分类。 CNN最适合计算机视觉应用，因为可以使用RNN，但并不流行。该项目的目的是证明CNN模型相对于RNN可​​能具有的优势。 设置 需要Python 3.5-3.8才能与所有必需的模块兼容 # Clone this reposititory git clone https://github.com/JohnNooney/CNN_vs_RNN_Image_Classification # Go

  3. 所属分类：其它

  1. 神经网络LSTM 时间预测

  2. 详细的LSTM代码， 附带数据。 RNN全称循环神经网络（Recurrent Neural Networks），是用来处理序列数据的。在传统的神经网络模型中，从输入层到隐含层再到输出层，层与层之间是全连接的，每层之间的节点是无连接的。但是这种普通的神经网络对于很多关于时间序列的问题却*无力。

  3. 所属分类：算法与数据结构

    • 发布日期：2021-03-09
    • 文件大小：13kb
    • 提供者：s756702559

  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：22mb
    • 提供者：weixin_42127835

  1. 如何用PyTorch实现递归神经网络？

  2. 从Siri到谷歌翻译，深度神经网络已经在机器理解自然语言方面取得了巨大突破。这些模型大多数将语言视为单调的单词或字符序列，并使用一种称为循环神经网络（recurrentneuralnetwork/RNN）的模型来处理该序列。但是许多语言学家认为语言最好被理解为具有树形结构的层次化词组，一种被称为递归神经网络（recursiveneuralnetwork）的深度学习模型考虑到了这种结构，这方面已经有大量的研究。虽然这些模型非常难以实现且效率很低，但是一个全新的深度学习框架PyTorch能使它们和其

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：285kb
    • 提供者：weixin_38663113

  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：50kb
    • 提供者：weixin_42166918

  1. RNN-for-Joint-NLU：“基于联合意图检测和插槽填充的基于注意力的递归神经网络模型”的Tensorflow实现（https：arxiv.orgabs1609.01454）-源码

  2. RNN联合NLU 模型介绍 使用tensorflow r1.3 api，编码器使用tf.nn.bidirectional_dynamic_rnn实现，解码器使用tf.contrib.seq2seq.CustomHelper和tf.contrib.seq2seq.dynamic_decode实现。 我的实现相对比较简单，用于学习目的。 使用 python main.py 输出： [Epoch 27] Average train loss: 0.0 Input Sentence :

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：520kb
    • 提供者：weixin_42131628
« 12 3 4 5 6 7 8 9 10 »