有微分熵的提取，并转化为4维数据形式【4800，4，9，9】与近几年发表的论文数据处理形式一样。测试集准确率达91.62验证集达93.96

EEG-Emotion-classification-master_merelyts3_said63o_songc4x_DEAP情绪识别_DEAP数据集下载_源码.rar

APP在普通Android手机上可以达到实时的检测识别效果，CPU(4线程)约30ms左右，GPU约25ms左右 更多项目《面部表情识别》系列文章请参考： 1.面部表情识别1：表情识别数据集(含下载链接):https://blog.csdn.net/guyuealian/article/details/129428657 2.面部表情识别2：Pytorch实现表情识别(含表情识别数据集和训练代码)：https://blog.csdn.net/guyuealian/article/details/129505205 3.面部表情识别3：Android实现表情识别(含源码，可实时检测)：https://blog.csdn.net/guyuealian/article/details/129467015 4.面部表情识别4：C++实现表情识别(含源码，可实时检测)：https://blog.csdn.net/guyuealian/article/details/129467023

基于Arduino的心率灯，带有基于WS2812B的红外遥控器。 硬件组件: WS2812b× 1 Atmel ATMEGA 328P-PU× 1 Adafruit Flora RGB Neopixel LED- 4件装× 1 Microchip ATtiny85× 1 旧HP扫描仪的抢救镜头× 1 红外接收器（通用）× 1 红外遥控器× 1 软件应用程序和在线服务: Arduino IDE 手动工具和制造机器: Flashforge梦想家 3D打印机（通用） 这是一个简单而酷炫的情绪照明项目，带有红外遥控器，我是从一台旧HP扫描仪的扫描床上的扫描镜头开始制作的。 该透镜能够沿宽的表面均匀地重定向点状光源。从这里想到的是将它连接到Adafruit Neopixel LED，以获得色彩鲜艳的20厘米长的光源。然后我设计了一个3D打印的外壳来支持镜头并容纳LED，微处理器和IR接收器。 对于初始测试，我使用了Arduino Nano，这对于这个项目来说已经足够了。最终版本可能会使用Attiny85。

本文检查了一个流行的股票留言板，并在将每日情绪与历史价格信息相结合时使用监督学习算法发现了轻微的每日可预测性。 此外，由于股票交易的盈利潜力，许多流行的金融网站试图通过提供这种消极和积极的在线情绪的汇总来捕捉投资者的情绪也就不足为奇了。 我们质疑不诚实的海报的存在是否通过根据其交易目标撰写情绪作为影响他人的手段来利用董事会的受欢迎程度，从而破坏董事会的目的。 我们排除了这些海报以确定可预测性是否增加，但没有发现明显的差异。

matlab有些代码不运行#NeuralTalk 该项目包含用于学习多模式递归神经网络的Python + numpy源代码，这些神经网络使用句子描述图像。 最近在一篇文章中介绍了这方面的工作，并且在过去几个月中，该领域一直是研究界发表的多篇学术论文的主题。 该代码当前实现和提出的模型。 两种模型均拍摄图像并使用递归神经网络（LSTM或RNN）预测其句子描述。 概述 该项目的管道如下所示： 输入是使用Amazon Mechanical Turk收集的图像和5个句子描述的数据集。 特别是，此代码库是针对，和数据集设置的。 在训练阶段，将图像作为输入馈送到RNN，并要求RNN根据神经网络的隐藏层介导的当前单词和先前上下文来预测句子的单词。 在此阶段，通过反向传播训练网络的参数。 在预测阶段，将一组让步图像传递给RNN，RNN一次生成一个单词的句子。 用BLEU评分评估结果。 该代码还包括用于以HTML可视化结果的实用程序。 依存关系 Python 2.7 ， numpy / scipy的现代版本， perl （如果要进行BLEU分数评估）， argparse模块。 这些大多数都可以通过pip

SMP2020微博情绪分类技术评测数据集 本次技术评测使用的标注数据集由哈尔滨工业大学社会计算与信息检索研究中心提供，原始数据源于新浪微博，由微热点大数据研究院提供，数据集分为两部分。     第一部分为通用微博数据集，该数据集内的微博内容是随机获取到微博内容，不针对特定的话题，覆盖的范围较广。     第二部分为疫情微博数据集，该数据集内的微博内容是在疫情期间使用相关关键字筛选获得的疫情微博，其内容与新冠疫情相关。     因此，本次评测训练集包含上述两类数据：通用微博训练数据和疫情微博训练数据，相对应的，测试集也分为通用微博测试集和疫情微博测试集。参赛成员可以同时使用两种训练数据集来训练模型。     每条微博被标注为以下六个类别之一：neutral（无情绪）、happy（积极）、angry（愤怒）、sad（悲伤）、fear（恐惧）、surprise（惊奇）。     通用微博训练数据集包括27,768条微博，验证集包含2,000条微博，测试数据集包含5,000条微博。     疫情微博训练数据集包括8,606条微博，验证集包含2,000条微博，测试数据集包含3,000

写毕业论文收集到的有关投资者情绪的指标数据，希望能帮到大家 此前在本平台买过类似数据，但是数据只涉及到2021年10月，对于我本身论文的主题来说数据的窗口期过于短，于是在其他途径收集到了更新的相关数据，并进行了整理。

情感分析是研究和分析人们对不同产品，服务或主题的看法，观点，情感等。 电影评论，产品评论，推文等可以用作数据，并且可以分析用户的情绪，无论是正面的，负面的还是中立的。 情感分析可以使用多种技术和不同级别来完成。 根据需要，可以分析整个句子或文档。 组织可以使用情感分析的结果来改善其产品或服务的质量，情感分析可以帮助决策。 本文讨论了几种用于情感分析的技术。

从Reddit WorldNews Channel网站上抓取的新闻数据（2008-06-08 到 2016-07-01）和对应时间的 Dow Jones Industrial Average (DJIA)股票指数数据。