CwsPosNerEntityRecognition
中英文Cws Pos Ner实体识别工具，使用CNN双向lstm和crf模型，并带有char嵌入。基于字向量的CNN池化双向BiLSTM与CRF模型的网络，可能一体化的完成中文和英文分词，词性标注，实体识别。主要包括原始文本数据，数据转换，训练脚本，预训练模型，可用于序列标注研究。注意：唯一需要实现的逻辑是将用户数据转化为序列模型。分词准确率约为93％，词性标注准确率约为90％，实体标注（在本样本上）约为85％。
提示
中文分词，词性标注，实体识别，在使用上述模型时，本质是就是标注问题！！！如果您第一次使用相关的模型，只需加上self.c
2021-10-18 22:10:58
52.4MB
1
共视控制
Covid Control是一种免费且可评估的机器学习模型，可预测Covid19日案例（7天移动平均值）的未来数量。 使用LSTM和强化学习对非药物干预（NPI）进行量化。 利用机器学习挽救人类史无前例的全球健康能效新型冠状病毒（COVID-19）的生命，以帮助拉平曲线。 开发数据驱动的AI系统以预测感染率并制定区域政府，社区和组织可以实施的干预计划（IP）。 当国家重新开放经济和社会时，干预计划可以减少感染病例，最大程度地减少负面经济影响，并带来更好的结果。
动机：Covid19大流行React
3Blue1Brown的“指数增长和流行病” Covid19视频：
目标是开发一种机器学习模型，以预测未来全球Covid案例的数量：
Part1预测器：LSTM长短期记忆预测器模型
使用LSTM长短期记忆以最高的准确性估算未来每天发生的COVID-19病例数，并开发了一种预测器模型
2021-10-18 21:13:45
24.65MB
1
包含了所有脑电领域可能用到的深度学习模型包含BIGRU，,lstm,cnn,gcn,dnn,rnn等等23个深度学习模型。
同时包含了相应模型所需要的数据处理过程所用代码。
当然也包含了最基本的读取edf文件，得到脑电信号。
2021-10-18 17:12:19
153KB
LSTM构建使用Keras Python包来预测时间序列步骤和序列。 包括正弦波和股票市场数据
2021-10-18 08:55:51
107KB
1
目前多数PM2.5浓度预测模型仅利用单个站点的时间序列数据进行浓度预测, 并没有考虑到空气质量监测站之间的区域关联性, 这会导致预测存在一定的片面性. 本文利用KNN算法选择目标站点所在区域中与其相关的空间因素, 并结合LSTM模型, 提出基于时空特征的KNN-LSTM的PM2.5浓度预测模型. 以哈尔滨市10个空气质量监测站的污染物数据进行仿真实验, 并将KNN-LSTM模型与其他预测模型进行对比, 结果显示: 模型相较于BP神经网络模型平均绝对误差(MAE)、均方根误差(RMSE)分别降低了19.25%、13.23%; 相较于LSTM模型MAE、RMSE分别降低了4.29%、6.99%. 表明本文所提KNN-LSTM模型能有效提高LSTM模型的预测精度.
2021-10-17 16:15:47
1.54MB
1
MV-LSTM
多变量LSTM当前神经网络用于多变量时间序列的预测和解释
郭，田，陶林和Nino Antulov-Fantulin。 “在多变量数据上探索可解释的LSTM神经网络。” 国际机器学习会议（ICML）。 2019。
郭涛，林涛，卢Y.自回归外生模型的一种可解释的LSTM神经网络[J]。计算机应用，2006,26（5）：1175-1178 关于ICLR的研讨会专题，2018年。
可以在这里找到PyTorch的实现（贷记给KurochkinAlexey）： :
2021-10-17 09:42:58
53KB
1