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 sklearn.impute import SimpleImputer
from sklearn.model
2021-07-07 12:22:25
44KB
1
神经网路全连接层的代码实现，包含一个输入层一个输出层一个隐层，用numpy实现。前向传播和反向传播均用代码实现，并没有借助tensorflow框架。这只是一个简单的神经网络模型，仅供学习，便于理解神经网络算法中前向传播和反向传播过程，以及利用梯度下降算法更新权重参数的实现过程。
2021-07-01 10:13:04
1KB
1
将人工神经网络方法用于轮胎纵向力特性的建模，建立了以滑移(转)率为变量，以垂直载荷为参变量的轮胎纵向力神经网络模型。对轮胎实测数据与神经网络模型预测结果的对比表明，轮胎神经网络模型的精度能满足工程要求，BP前馈神经网络可有效地应用于车辆轮胎纵向力特性的数学建模，且建模过程简单，模型计算较快，预测精度较高。
2021-06-22 11:06:31
136KB
1
tensorflow+cnn神经网络学习模型保存及调用，通过五种类型花卉(附在附件中）真实jpg图片，实现数据的分类学习，模型的保存，及调用方法。
2021-06-20 14:26:01
218.22MB
1
lpc
matlab代码一维三重神经网络
1D-Triplet-CNN神经网络模型的PyTorch实现在A.Chowdhury和A.Ross使用1D三重态CNN融合MFCC和LPC功能中对严重降级的音频信号中的说话人进行识别中进行了描述。
研究文章
和，使用严重降级的音频信号中的1D三重态CNN融合MFCC和LPC功能以进行说话人识别，《
IEEE信息取证与安全交易》（2019年）。
IEEE
Xplore：
实施细节和要求
该模型是使用Python
3.6在PyTorch
1.2.1中实现的，并且可能与PyTorch和Python的不同版本兼容，但尚未经过测试。
文件中列出了其他要求。
用法
源代码和模型参数
1D-Triplet-CNN模型的源代码可以在子目录中找到，而预训练模型可以在子目录中找到。
数据集
子目录中可使用的预训练模型是根据从获得的Fisher语言语料库的子集进行训练的。
训练数据也因从数据集获得的不同程度的Babble噪声而退化。
训练1D-Triplet-CNN模型
为了按照研究论文所述训练1D-Triplet-CNN模型，请使用子目录中提供的1D-Triple
2021-06-15 16:20:26
3.61MB
1
自己写的HR神经元模型，亲测可用，勿担心，其中I_ext为外加刺激电流，改变此值可得到不同效果
2021-06-14 20:28:19
997B
1
利用遗传算法优化BP神经网络模型对数据进行仿真训练，可以对变形监测数据以及其他领域的数据进行预测，实验结果表明遗传算法优化BP神经网络模型比BP神经网络模型有着更好的预测精度，代码是基于matlab语言自己写的，可供参考
2021-05-28 18:20:54
42KB
1