基于神经网络的交通流预测（SAEs、LSTM、GRU）。
数据来自 Caltrans 绩效测量系统 (PeMS)。数据是从跨越加利福尼亚州所有主要大都市地区的高速公路系统的各个探测器实时收集的。
运行以下命令来训练模型：
python train.py --model model_name
您可以选择“lstm”、“gru”或“saes”作为参数。.h5重量文件保存在模型文件夹中。
Requirement
Python 3.6
Tensorflow-gpu 1.5.0
Keras 2.1.3
scikit-learn 0.19
2022-05-03 19:03:53
14.38MB
LSTM和SVM实现设备故障诊断(PYTHON代码+数据)； 电机轴承是一个用于支撑电机轴的零件，电机的轴从轴承的内圈穿过，外圈固定在电机壳上。滚珠轴承在内外圈之间有一圈滚珠，当电机旋转时带动内圈旋转，滚珠随之运动。轴承的使用可以避免电机轴与电机外壳产生的较大摩擦。轴承的使用寿命以及可靠性对主机的使用寿命有决定性作用。在机械设备上，有旋转的地方就有轴承。
2022-05-03 19:03:48
53.92MB
纯verilog实现CNN卷积网络,包括卷积层，池化层，全连接FC层,vivado2019.2开发，含testbench
2022-05-03 12:07:10
32.97MB
训练数据为28×28。经过9×9×20的滤波器矩阵滤波过后，提取出20×20×20的FeatureMap矩阵。将得到的特征矩阵经过ReLU激活函数后，求得Y1，Y1经过2×2的平均池化后，降低图像维度，得到Y2。分类子网络中采用“交叉熵+Softmax”和小批量算法的方法对数据进行训练，Y1经过Reshape函数转化为列向量，得到y2。y2再输入进分类子网络中。分类子网络采用BP策略，将误差向后传播，并更新网络中的权重值。
2022-05-03 12:07:04
28.96MB
使用循环神经网络(RNN, LSTM或GRU)实现气象数据预测：
数据集：
tq.csv记录了某地每隔1小时的气象数据：
Date Time：时间（日期是 日月年 的格式）
p (mbar)：大气压
T (degC)：气温
rh (%)：湿度
使用循环神经网络（RNN/LSTM/GRU之一）完成下列功能：输入最近n个小时的气象数据，预测之后24小时的气象数据
生成训练集和测试集：
以2014年及以前的数据为训练集
2015年及以后的数据为测试集
2022-05-03 12:07:01
759KB
1
本课程首先介绍了传统的情感分类模型，将传统的情感分类模型与深度学习情感分类模型对比并阐述了各模型的特点。之后介绍了基于LSTM情感分类模型，其中包括LSTM的基本原理、如何搭建LSTM网络、并演示了LSTM情感分类模型的训练和预测。最后通过改变交叉熵函数对模型进行了优化。
2022-05-02 21:32:02
5.35MB
1