回归预测 | MATLAB实现CNN-LSTM多输入单输出(完整源码和数据) 本次运行测试环境MATLAB2020b,MATLAB实现CNN-LSTM多输入单输出预测。
2022-05-05 12:05:50 135KB 源码软件 回归 matlab cnn
音乐信息检索 音乐结构分割代码 自带下载原始数据程序 提取特征MFCC,Fbank Log-specgram、 CNN-LSTM 使用SALAMI数据集,包含linux下代码和程序文档。
2022-04-30 15:06:21 15.02MB python CNN-lstm
1
Deap脑电信号识别CNN-LSTM代码
2022-04-28 16:06:46 11.86MB lstm 深度学习 DEAP 脑电信号识别
1
基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预测方法 基于CNN-LSTM混合神经网络模型的短期负荷预
2022-04-21 21:05:27 1.22MB 神经网络 cnn lstm 深度学习
预测模型调研文档 预测模型调研文档(RNN、CNN、LSTM模型)
2022-04-19 17:05:35 1.19MB lstm cnn rnn 深度学习
1
Keras 示例代码,包括CNN,LSTM,CNN-LSTM等,非常全面。(Keras sample code, including CNN, LSTM, CNN-LSTM, and so on, is very comprehensive.)
2022-04-06 20:07:04 551KB lstm cnn keras 人工智能
基于DEAP的四分类脑电情绪识别算法。 使用该模型从价-觉醒平面对四个情绪区域进行分类:高价-高觉醒(HVHA)、高价-低觉醒(HVLA)、低价-高觉醒(LVHA)和低价-低觉醒(LVLA)。 并提出了两种模型来解决这一问题:一维卷积神经网络(CNN-1D)结合LSTM,第二个模型为一维卷积神经网络(CNN-1D)结合GRU。 实验结果表明,该方法在1DCNN-GRU模型和1DCNN-LSTM模型中的训练准确率分别为96.3%和97.8%。因此,这两种模型对执行这种情绪分类任务都非常好。 这是专门为解决消失梯度问题而设计的,消失梯度问题通常成为时间序列数据集中的一个问题。
2022-03-29 09:33:31 1005KB 脑电情绪识别 deap cnn lstm
CNN-LSTM-Caption-Generator-master.zip CNN-LSTM-Caption-Generator-master.zip CNN-LSTM-Caption-Generator-master.zip
2022-03-17 21:02:28 323KB CNN,LSTM
1
CNN-LSTM-ATT论文评分模型 这是用于自动作文评分的纸质基于注意力的循环卷积神经网络的Pytorch实现。 [ ] 版本 我们的版本是: Python 3.6 PyTorch 1.8.0 训练 python train.py --oov嵌入--embeddding手套--embedding_dict Gloves.6B.50d.txt --embedding_dim 50 --datapath data / fold_ --prompt_id 1 请注意,您应该下载Gloves.6B.50d.txt。
2022-03-10 09:59:07 23.92MB Python
1
DEAP数据集自动情感识别 该项目使用来自DEAP数据集的EEG信号,使用集成的一维CNN,LSTM和2D,3D CNN以及带有LSTM的级联CNN将情绪分为4类。
2022-03-08 12:18:36 22.96MB JupyterNotebook
1