卷积神经网络之Lenet5股票预测数据集 股票市场具有高收益与高风险并存的特性，预测股市走势一直被普通股民和投资机构所关注。股票市场是一个很复杂的动态系统，受多方面因素的影响。本案例获取了2018年沪市A股的6000多条数据进行建模分析，股票数据中，包括股市开盘价、最高价、最低价、收盘价以及成交量等股票历史数据，其中开盘价（open）、最高价（high）和最低价（low）是股民最为关注的3大属性，最后一列label表示窗口内股票的走势，上升编码为1下降编码为0。基本思想是从时间序列角度用过去的数据预测未来的走势，用每只股票过去的开盘价，收盘价和最高价进行预测。

Medical Named Entity Recognition implement using bi-directional lstm and crf model with char embedding.CCKS2017中文电子病例

用于视觉识别的卷积神经网络简介 共45页.pptx

神经网络对图像非常有用处理应用程序。 本文利用蜂窝开发新边缘的神经网络 (CNN) 范式检测算法。 该方法利用严格的图像轮廓的模型，并考虑了一些现有基于 CNN 的硬件的电气限制实现。 四个基准视频序列是分析，即车载电话，美国小姐，Stefan，和领班。 分析表明，所提出的算法产生准确的结果，比通过其他基于 CNN 的方法。 最后，与标准边缘检测技术（即 LoG 边缘检测技术） 检测器和 Canny 算法）进一步证实了开发方法的能力。 一、简介

Mask R-CNN模型：Kaggle Airbus Ship Detection数据集训练

采用LSTM模型，训练一个能够识别文本postive, neutral, negative三种情感的分类器。

【预测模型】基于贝叶斯优化的LSTM模型实现数据预测matlab源码.pdf

1、内容概要：本资源将初步探究 LSTM 在股票市场的应用。通过使用LSTM对股票收益的预测，可以了解到：（1）如何将原始数据集转换为可用于时间序列预测的数据。（2）如何准备数据并使LSTM适合多变量时间序列预测问题。（3）如何进行预测并将结果重新调整回原始数据。 2、本资源适用于对量化交易感兴趣的学生学习实验参考使用。 3、资源内容主要包括：股票数据（20支）.rar，LSTM实现对股票数据进行预测（Keras实现）源代码lstm_model.py（源码以600000.SH股票数据为基准进行分析，以2016年3月1日至2017年12月31日为回测期，进行收益率的预测模拟），2016年3月至2017年12月的股票回测模型损失和RMSE计算数据excel。

用于cnn图像分类的数据集，内含54000张图片，38种植物病害类型，本人使用resnet152训练30轮准确率已达99.6%，还有提高空间。

深度卷积神经网络(CNNs)在低层次计算机视觉领域引起了广泛的关注。通过很深的CNN网络来提高性能。但随着深度的增加，浅层的信息被忽略掉。受这样的事实启发，我们提出了一种基于注意引导的卷积神经网络(ADNet)去噪方法，主要包括一个稀疏块(SB)、一个特征增强块(FEB)、一个注意块(AB)和一个重构块(RB)。