行人温度检测LSTM 使用KAIST多光谱行人检测基准数据集的LSTM实现

新的模型，CNN-LSTM

时序数据存在时序性，并且其短序列的特征存在重要程度差异性。针对时序数据特征，提出一种基于注意力机制的卷积神经网络（CNN）联合长短期记忆网络（LSTM）的神经网络预测模型，融合粗细粒度特征实现准确的时间序列预测。该模型由两部分构成：基于注意力机制的CNN，在标准CNN网络上增加注意力分支，以抽取重要细粒度特征；后端为LSTM，由细粒度特征抽取潜藏时序规律的粗粒度特征。在真实的热电联产供热数据上的实验表明，该模型比差分整合移动平均自回归、支持向量回归、CNN以及LSTM模型的预测效果更好，对比目前企业将预定量作为预测量的方法，预测缩放误差平均值（MASE）与均方根误差（RMSE）指标分别提升了89.64%和61.73%。

图像字幕 CNN-LSTM神经网络，用于从图像生成字幕。 基于我为计算机视觉决赛所做的小组项目

基于CNN/LSTM和稀疏下采样的人体行为识别

深度神经网络用于阿尔茨海默病检测 该研究项目是关于在患者中检测阿尔茨海默氏病的。 及早发现阿尔茨海默氏病将有助于早期治疗，这可以防止症状的夸大。 我们的目标是在机器学习的一部分深度学习的帮助下做到这一点。 在这个项目中，我们使用三种类型的体系结构进行深度学习。 LeNet-5 转移学习 视频分类 对于输入，我们有用于Alzheimer，Normal和MCI检测的nii文件。 阿尔茨海默病，MCI和正常人都有不同的文件夹。 每个文件夹都包含一些.nii文件。 每个.nii文件中都有4维数据。 适当的预处理方法被写入预处理文件夹中，以将该4维数据转换为2维和3维数据。 模型的代码分别写在每种体系结构的单独文件夹中。 AWS说明 我们正在使用基于Amazon AMI的深度学习机。 要运行实例，请按照以下步骤操作： 1. go to ec2 instances dashboard 2.

BCI-II-III分类 使用CNN和CNN + LSTM在EEG信号中对运动想象力进行分类 更多信息

用pytorch写的CNN+lstm深度学习模型

今天小编就为大家分享一篇pytorch实现用CNN和LSTM对文本进行分类方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

几何深度学习