基于卷积-长短期记忆网络加注意力机制(CNN-LSTM-Attention)的时间序列预测程序,预测精度很高。 可用于做风电功率预测,电力负荷预测等等 标记注释清楚,可直接换数据运行。 代码实现训练与测试精度分析。
2023-12-11 12:30:03 285KB 网络 网络 lstm
1
基于卷积神经网络-长短期记忆网络结合注意力机制(CNN-LSTM-Attention)多变量时间序列预测,CNN-LSTM-Attention多维时间序列预测,多列变量输入模型。matlab代码,2020版本及以上。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等,代码质量极高,方便学习和替换数据。
2023-11-20 16:46:33 62KB 网络 网络 matlab lstm
1
ARIMA-CNN-LSTM时间序列预测(Python完整源码和数据),AQI预测(Python完整源码和数据) ARIMA-CNN-LSTM时间序列预测(Python完整源码和数据),AQI预测(Python完整源码和数据) ARIMA-CNN-LSTM时间序列预测(Python完整源码和数据),AQI预测(Python完整源码和数据)
2023-09-18 16:08:42 413KB cnn lstm python ARIMA-CNN-LSTM
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
2023-09-05 09:11:27 8KB cnn lstm 情绪识别 DEAP
1
先决条件: nltk(TweetTokenizer) 凯拉斯张量流麻木科学的gensim(如果您使用的是word2vec) itertools 克隆存储库: git clone :AniSkywalker / SarcasmDetection.git cd SarcasmDetection / src / 您可以在以下链接中找到经过训练的模型文件 在/ resource / text_model / weights /中下载经过训练的模型 运行脚本: python sarcasm_detection_model_CNN_LSTM_DNN.py 如果要使用自己的数据训练模型,可以将“训练,开发
2023-03-20 21:21:46 3.17MB twitter keras cnn lstm
1
神经字幕 该项目拍摄图像并生成合适的标题。 它使用两个CNN之一来提取图像特征,然后将其输入LSTM。 然后,LSTM逐字生成一个句子。 该项目基于使用TensorFlow 1.14的Python 3.7.4构建。 Inception_v3和VGG16是此项目中使用的两个预加密的CNN。 它使用Flickr30k数据集进行训练和测试。 对于Inception_v3,每个图像的大小调整为299 x 299像素,对于VGG16,图像的大小调整为224 x 224像素。 这是一个例子: 标题:一个街角,前面有灯
2022-12-29 17:02:27 166KB cnn lstm sentence extracting-features
1
单变量时间序列预测开发深度学习模型_python源码+数据+超详细注释 内容: 多层感知器模型 卷积神经网络模型_CNN 递归神经网络模型_LSTM 递归神经网络模型_CNN+LSTM 递归神经网络模型_ConvLSTM2D 本文使用了5种不同的网络模型,实现了一元序列的自回归 1.MLP:多层感知机 2.CNN:卷积 3.LSTM:长短周期 4.CNN+LSTM卷积+长短周期 5.ConvLSTM2D卷积+长短周期 并且分别比较了5中模型的预测效果,CNN模型相对来时是最好的。 深度学习在一元时间序列预测中表现并不佳
2022-12-02 19:28:16 28KB MLP CNN LSTM ConvLSTM2D
基于MLP_CNN_LSTM_CNN-LSTM时间序列预测_编码器-解码器LSTM多步预测_Keras_python源码_代码附有详细注释 3.用于时间序列预测的MLP 4.用于时间序列预测的CNN 5.用于时间序列预测的LSTM 6.编码器-解码器LSTM多步预测 7.用于时间序列预测的CNN-LSTM
2022-12-02 14:29:46 4KB MLP CNN LSTM CNN-LSTM
基于LSTM(长短期记忆人工神经网络)_CNN+LSTM_堆叠式LSTM的时间序列预测python源码+超详细注释 以LSTM网络模型为示例,介绍了各种不同数据类型的网络结构 重点包含: 1.如何构造输入输出数据的形状 2.如何配置合适的网络参数来接受这些输入输出训练数据 本教程的目的是提供不同类型的时间序列预测模型的独立示例,作为模板,您可以针对特定的时间序列预测问题进行复制和调整
CNN LSTM语言模型 从头实现用于语言模型的CNN-LSTM网络。有用的特征从下面的CNN层中提取出来, 然后提供给LSTM层,LSTM层为预测形成一个顺序上下文。
2022-12-02 09:29:39 32.59MB CNN LSTM 语言模型 LSTM网络