CNN神经网络一维数据预测和二维图片分类，自己收集的资源，并加上了数据。

图神经网络 | Python实现LSTM-GNN时间序列预测 LSTM-GNN用于病人的结果预测：一个混合模型，结合了用于提取时间特征的长短期记忆网络（LSTM）和用于提取病人邻域信息的图谱神经网络（GNN）。 关于预测重症监护室（ICU）病人结果的工作主要集中在生理时间序列数据上，基本上忽略了诊断和药物等稀疏数据。当它们被包括在内时，它们通常是在模型的后期阶段被串联起来的，这可能难以从更罕见的疾病模式中学习。通过在图中连接类似的病人，将诊断作为关系信息加以利用。 LSTM-GNNs在eICU数据库的住院时间预测任务中的表现优于仅有LSTM的基线。利用图神经网络从相邻的病人病例中提取信息是一个很有前途的研究方向，在电子健康记录的监督学习性能方面产生了切实的回报。

CNN模型Retina Face parameters

深度学习+CNN卷积神经网络+剪刀石头布手势识别 我的博客卷积神经网络之剪刀石头布手势识别所用到的数据集 包含训练样本集rps.zip 和 测试样本集rps-test-set.zip 有需要的朋友自取！！！

基于opencv实现的人脸识别，可以通过摄像头获取所要识别的人脸，读取多个人脸并将中文名显示，具体可观看个人博客。 人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别

MATLAB实现CNN卷积神经网络多输入多输出预测（完整源码和数据） 数据为多输入多输出预测，输入10个特征，输出3个变量,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。

在安装了几个预训练的 CNN 之后，我编写了这个函数，其中列出了相应的支持包以进行跟踪。 示例： >> nnlist 答案 = 1×9 单元阵列 第 1 至第 6 列 {'alexnet'} {'caffe_importer'} {'densenet201'} {'googlenet'} {'inceptionv3'} {'resnet18'} 第 7 至第 9 列 {'resnet50'} {'vgg16'} {'vgg19'}

用CNN做电能质量分类

这是一个关于卷积神经网络的基础入门学习PPT，适合初学者，已经汇报讲解者。

这是一个关于深度学习（CNN+RNN+LSTM）等的基础知识学习课件。