论文

根据已经训练好的word2vec词向量，对于文本相似度进行相关分析

LSTM网络

颜色熵matlab代码文本生成模型LSTM-CNN-HMM 文本的生成模型（a）在这个问题中，我们试图建立一个生成模型，以模仿英国著名数学家，哲学家，多产作家和政治活动家贝特朗·罗素的写作风格。 （b）从Project Gutenberg下载以下书籍。 org / ebooks / author / 355的文本格式：i。 ii。 iii。 iv。 哲学问题分析心灵的神秘主义和逻辑以及其他论文我们对作为哲学科学方法领域的外部世界的了解古腾堡（Gutenberg）在每本书中都添加了标准的页眉和页脚，但这不是原文的一部分。 在文本编辑器中打开文件，然后删除页眉和页脚。 页眉是显而易见的，并以以下文本结尾：***此项目的开始Gutenberg EBOOK询问含义和真相***页脚是以下文本行之后的所有文本：THE END拥有一个更好的模型，强烈建议您从国会图书馆下载以下书籍，并将其转换为文本文件：i。 西方哲学史ii。 物质分析iii。 对意义和真理的探究尝试只使用书中的文字，并在文字前后扔掉不需要的文字，尽管在大型语料库中，这些文字被认为是杂音，不会造成大问题。 1个 （c）LSTM：训练L

Matlab多层lstm代码使用具有CNN功能的深度双向LSTM在视频序列中进行动作识别 我们已经使用caffe模式使用matlab脚本“ oneFileFeatures ...”从视频中提取了深层功能。 每个CSV文件代表一个视频的功能。 使用“ TrianTestSpit.m”将其拆分。 火车数据中的每个CSV都会合并在一起，以使用“ EachClassCSV”为每个班级创建一个CSV文件。 使用“ EachClassCSV”文件在训练数据上进行训练和验证拆分，它也为我们提供了标签。 使用“ oneHotLabeling”将其转换为热点。 最后，我们使用“ LSTM.py培训代码”，该代码包含简单的LSTM，多层LSTM和多层双向LSTM。 请引用以下论文 Ullah, A., Ahmad, J., Muhammad, K., Sajjad, M., & Baik, S. W. (2018). Action Recognition in Video Sequences using Deep Bi- Directional LSTM With CNN Features. IEEE A

生成词向量的神经网络模型分为两种，一种是像word2vec，这类模型的目的就是生成词向量，另一种是将词向量作为副产品产生，两者的区别在于计算量不同。若词表非常庞大，用深层结构的模型训练词向量需要许多计算资源。

通过Word2vec计算两个英语单词间的语义相似度（使用GoogleNews-vectors-negative300.bin） bin文件太大无法上传，Word2vec.ipynb里有网盘地址可以直接下载

心电图合成与分类 用于ECG合成的一维GAN和3种模型：具有跳过连接的CNN，具有LSTM的CNN和具有LSTM的CNN，以及用于ECG分类的注意力机制。 动机 心电图被心脏病专家和医学从业者广泛用于监测心脏健康。 与许多其他时间序列数据类似，手动分析ECG信号的主要问题在于难以检测和分类信号中的不同波形和形态。 对于人类而言，此任务既耗时又容易出错。 让我们尝试将机器学习应用于此任务。 数据 可用。 问题的表述： 每个信号应标记为以下类别之一（ “正常” ， “人工过早” ， “室性早搏” ， “室和正常融合” ， “起搏和正常融合” ）。 解决方案 此处提供具有研究和解决方案的代码-和此处 。 楷模 GAN结果 分类结果

基于 LSTM 的短期风速预测研究

LSTMDEMO文档数据集，仅供学习，请勿搬运