LSTM 单步预测，数据集和源码

matlab分时代码BikeShare预测 使用自行车共享数据预测将预订的自行车数量 CMSC 678-机器学习-2016年秋季-最终项目 学生姓名： Phanindra Kumar Kannaji（pkanna1） Venkata Rami Reddy Bujunuru（bo26494） 项目文件包括以下部分： 数据：自行车每年共享数据和天气数据单个文件，并最终生成带有完整组合数据的.mat文件。 bike_ .csv 天气_ .csv bikeShareData.mat-整个数据 images：不同图的输出，其文件名指示所使用的算法，并在运行时设置参数。 matlab：matlab代码，由我们编写的代码和少量自动生成的代码组成。 幻灯片：我们的演示幻灯片和最终论文。 自述文件和自述文件：* this Matlab代码： dataExtract.m：一种功能，用于从自行车共享数据和天气数据中提取数据，并根据时间以小时为基础将它们组合在一起。 dataCombine.m：这是要合并来自多年的数据，并进行预处理和后处理步骤以对数据进行分类和组织，然后再将其提供

MATLAB代码，直接运行，可以换数据。

基于数据挖掘的高校学生就业趋势预测分析.pdf

13-15能源消耗数据集、Tianchi数据集、第九届电工数学建模竞赛等

深圳公路交通数据集，可以用来机器学习预测交通数据流量

matlab实现股票预测代码gui，包含的功能有导入股票数据、股票指标分析、预测上涨概率

用于时间序列预测的LSTM.rar

NLP项目实例，实现一个类似于中文输入法中联想的功能；项目利用深度学习框架Pytorch，构建一个LSTM（也支持NGram，TextCNN，LSTM，BiLSTM等）模型，实现一个简易的中文单词预测（词语预测）功能，该功能可以根据用户输入的中文语句，自动预测(补充)词语；基于该项目训练的中文单词预测(词语预测）模型，在自定义的数据集上Top-1准确率最高可以达到91%左右，Top-5准确率最高可以达到97%左右。博文：https://blog.csdn.net/guyuealian/article/details/128582675

具有递归神经网络的文本生成 使用基于特征的RNN进行文本生成。 我们使用安德烈·卡帕蒂（Andrej Karpathy）的莎士比亚作品集。 给定来自此数据的字符序列（“莎士比亚”），训练模型以预测序列中的下一个字符。 通过重复调用模型，可以生成更长的文本序列。 模型的输出 以下是本教程中的模型训练了30个纪元并以字符串“ Q”开头时的示例输出： 奎妮：我以为你有罗马人。 Oracle这样，使所有人都反对这个词，因为他的照顾太弱了。 您的孩子们在您的圣洁的爱中，通过流血的宝座沉淀。 伊丽莎白·比什普（Bishop of Ely）：我的主，嫁给并愿意哭泣，这是最漂亮的。 然而，现在我被世界可悲的一天收为继承人，要和他父亲一起面对面观看新路吗？ 埃斯卡洛斯：为什么我们都下了更多儿子的原因。 卷：不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，这是没