胶囊网络
胶囊网络的PyTorch实现，如Sara Sabour，Nicholas Frosst和Geoffrey E Hinton在论文中所述。
2021-11-17 19:51:57
5KB
1
基于深度学习的方面情感分析是自然语言处理的热点之一。针对方面情感，提出基于方面情感分析的深度分层注意力网络模型。该模型通过区域卷积神经网络保留文本局部特征和不同句子时序关系，利用改进的分层长短期记忆网络（LSTM）获取句子内部和句子间的情感特征。其中，针对LSTM添加了特定方面信息，并设计了一个动态控制链，改进了传统的LSTM。在SemEval 2014的两个数据集和Twitter数据集上进行对比实验得出，相比传统模型，提出的模型的情感分类准确率提高了3%左右。
2021-11-10 11:45:01
1.64MB
1
ppt详细讲了Hinton的胶囊网络的背后动机，动态路由算法，网络结构，及EM路由的胶囊网络，并分析了网络的卷积计算过程。
2021-11-08 20:26:27
2.35MB
1
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
import os
import pandas as pd
import sklearn
import sys
import tensorflow as tf
import time
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.models import Model
from tensorflow.keras.lay
2021-11-05 18:27:58
31KB
1
带你了解残差块和注意力机制的联合应用在医学细胞图像上，对他进行分割，给出简单明了的展示，让你一步步进入医学人工智能的殿堂
2021-10-30 09:05:29
1.18MB
1
CwsPosNerEntityRecognition
中英文Cws Pos Ner实体识别工具，使用CNN双向lstm和crf模型，并带有char嵌入。基于字向量的CNN池化双向BiLSTM与CRF模型的网络，可能一体化的完成中文和英文分词，词性标注，实体识别。主要包括原始文本数据，数据转换，训练脚本，预训练模型，可用于序列标注研究。注意：唯一需要实现的逻辑是将用户数据转化为序列模型。分词准确率约为93％，词性标注准确率约为90％，实体标注（在本样本上）约为85％。
提示
中文分词，词性标注，实体识别，在使用上述模型时，本质是就是标注问题！！！如果您第一次使用相关的模型，只需加上self.c
2021-10-18 22:10:58
52.4MB
1