NLP之word2vec：利用 Wikipedia Text(中文维基百科)语料+Word2vec工具来训练简体中文词向量
word2vec_wiki.model
2021-10-25 17:39:13
37.47MB
1
dbn
matlab代码自述文件
作者
tanh丽媛
项目名
情绪分析
用于情感分析的深度神经网络方法
建造
软件环境：Jupyter
Notebook，MATLAB
R2019a（任何版本都可以使用）
版本控制：Python
3.6
所需的库：Numpy
1.14.3，Pandas
0.23.0，Python正则表达式运算2.2.1，自然语言工具包3.3，Sklearn
0.19.1，Keras
2.2.4（任何版本都可以使用）
贡献者
感谢albertbup提供了深度信任网络的源代码。
感谢新加坡南洋理工大学的黄光斌教授提供深度极限学习机的源代码。
数据集是从Kaggle下载的。
设置
从master分支下载该代码，作为sentiment_analysis-master.zip。
解压缩sentiment_analysis-master.zip，打开文件夹，应该有“
DBN”文件夹，“
DELM”文件夹，“
LSTM”文件夹和“
numpy_to_matlab”文件夹。
访问下载名为“输入”的数据集文件夹。
将“输入”文件夹放入“
LSTM”文件夹，“
DBN”文件夹和“
nump
2021-10-25 14:21:18
1.36MB
1
用于高频时间序列的多维LSTM
使用多维LSTM神经网络创建股票远期收益预测。
预测结果
2021-10-24 17:54:01
352KB
1
Long Short-Term Memory Networks With Python.zip
使用 Python 的长短期记忆网络 课程代码 Code
2021-10-23 09:03:46
281KB
随着我国环境监测技术的不断发展, 环境空气质量的网格化监测体系越来越受到相关工作人员的青睐, 为应对空气污染的网格化监测体系中的小型、微型监测站的空气质量预测问题, 本文提出了一种基于GCN和LSTM的空气质量预测模型. 首先利用GCN网络提取网格化监测体系中的小微型监测站之间的空间特征, 然后再使用LSTM提取时间特征, 最后使用线性回归层来综合时空特征并产生空气质量的预测结果. 为了验证本文提出的预测模型的性能, 我们使用了沈阳市浑南区的14个小微型监测站的空气质量监测数据进行实验. 实验结果显示, 基于GCN-LSTM的空气质量预测模型在空间关联较强的网格化监测中的小微型监测站上的预测结果的精度要优于单一的LSTM预测模型.
2021-10-22 20:16:15
1.11MB
1