空气质量预测 近年来,空气污染急剧增加,并且对所有生物造成的影响更糟。 世界上大多数国家都在与日益增加的空气污染水平作斗争。 因此,控制和预测空气质量指数已成为必要。 在此研究项目中,我们将实施数据挖掘和机器学习模型来预测AQI并将AQI归类。 对于AQI预测,我们已经实现了五个回归模型主成分,偏最小二乘法,留一维CV的主成分,留一维CV的偏最小二乘,多个印度城市的多元回归AQI数据。 根据AQI的值,AQI指数进一步分为6个不同的类别,即“好,满意,中,差,非常差和严重”。 为了预测AQI桶,我们使用重复CV分类算法开发了三种分类模型,分别是多项式Lo​​gistic回归和K最近邻和K最近邻。 来自印度不同城市的空气质量数据集,具有留一法交叉验证的PLS模型。
2022-05-30 17:02:47 11KB R
1
全国国赛美赛研究生华为杯数学建模竞赛练习使用 使用Python读取数据文件,进行预处理,然后建立模型,对模型进行优化调参,选择最佳的参数,使用Python筛选特征。对以上步骤分别进行可视化。使用多种评价指标评价分类模型。
2022-05-29 12:04:59 780KB python 机器学习 文档资料 开发语言
Netron 是神经网络、深度学习和机器学习模型的查看器。Netron 支持 ONNX、Keras、TensorFlow Lite、Caffe、Darknet、Core ML、MNN、MXNet、ncnn、PaddlePaddle、Caffe2、梭子鱼、Tengine、TNN、RKNN、MindSpore Lite 和 UFF。Netron 为 TensorFlow、PyTorch、TorchScript、、ML.NET 提供实验性支持,scikit-learn,TensorFlow.js。有大量样本模型文件可供下载或使用浏览器版本打开。macOS、Windows、Linux、Python Server 和浏览器都支持它。 特征 ONNX:使用浏览器版本支持的squeezenet模型 CoreML:使用浏览器版本支持的 exermote 模型 Darknet:使用浏览器版本支持的yolo模型 Keras:使用浏览器版本支持的移动网络模型 MXNet:使用浏览器版本支持的 inception_v3 模型 TensorFlow:使用浏览器版本支持的国际象棋机器人模型
2022-05-27 16:05:47 112.45MB 源码软件 机器学习 人工智能 Netron
1
人工智能-项目实践-自适应学习-自适应学习模型-应用于教育领域-知识图谱 run this demo $python train_dkt.py --dataset ../data/assistments.txt
详细介绍了目前深度学校模型压缩和加速方面的研究现状,并详细探索了深度压缩及其硬件实现
2022-05-25 16:23:03 3.43MB 深度学习 模型压缩 模型加速
1
对称梯度域机器学习(sGDML) 有关更多详细信息,请访问: : 可以在这里找到文档: : 要求: Python 3.7以上 NumPy(> = 1.19) 科学(> = 1.1) 可选的: PyTorch(用于GPU加速) ASE(> = 3.16.2)(运行原子模拟) 入门 稳定释放 大多数系统pip预先安装了针对Python pip的默认软件包管理器。 只需调用以下sgdml即可安装sgdml : $ pip install sgdml sgdml命令行界面和相应的Python API现在可以在系统上的任何位置使用。 开发版 (1)克隆存储库 $ git clone https://github.com/stefanch/sGDML.git $ cd sGDML ...或更新您现有的本地副本 $ git pull origin master (2)安装 $ pi
1
SageMaker培训工具包 使用Amazon SageMaker在Docker容器中训练机器学习模型。 :books: 背景 是一项针对数据科学和机器学习(ML)工作流程的完全托管服务。 您可以使用Amazon SageMaker简化构建,训练和部署ML模型的过程。 要训​​练模型,可以将训练脚本和依赖项在运行训练代码的中。 容器提供有效隔离的环境,确保一致的运行时和可靠的培训过程。 SageMaker Training Toolkit可以轻松添加到任何Docker容器中,使其与SageMaker兼容以进行。 如果您使用,则该库可能已包含在内。 有关更多信息,请参阅《 Amazon SageMaker开发人员指南》中有关。 :hammer_and_wrench_selector: 安装 要将此库安装在Docker映像中,请将以下行添加到: RUN pip3 install sagemaker-training :laptop_computer: 用法 以下是简要的操作指南。 有关使用SageMaker培训工具包构建的自定义培训容器的完整工作示例,请参阅。 创建Dock
2022-05-24 20:13:39 150KB python training docker aws
1
介绍如何使用`TF Lite model maker`库创建TensorFlow Lite模型。我们将在自定义数据集上微调一个预训练的图像分类模型,并进一步探索Tensorflow Lite支持的不同类型的模型优化技术,并将其导出到TF Lite模型。将创建的TF Lite模型与通过Tensorflow Lite 转换的模型进行详细的性能比较,最后将模型部署到web应用中。
2022-05-20 09:07:14 29.99MB tensorflow 机器学习 文档资料 人工智能
在智能手机上使用递归神经网络(RNN),LSTM和Tensorflow进行人类活动识别 这是我硕士课程的项目,其中涉及使用无线传感器数据挖掘实验室(WISDM)的数据集为端到端系统构建机器学习模型,以使用智能手机加速度计,Tensorflow框架,递归神经网络预测人类的基本活动网络和多个长期短期存储单元(LSTM)堆栈,用于构建具有隐藏单元的深度网络。 训练模型后,将其保存并导出到android应用程序,并使用模型作为概念验证和UI界面进行预测,以使用文本语音API讲出结果。 处理: 清理并合并数据 根据模型要求,通过将每个序列活动的固定长度序列(200个)作为训练数据来进行数据预处理,以最大程度地提高模型的效率。 将数据分为训练(80%)和测试(20%)集。 通过堆叠带有2个完全连接的RNN的多层LSTM内存单元(这将解决消失的梯度问题)来构建一个深层网络。 使用Tensorflow框架构建整个模型,并创建占位符以供模型在端到端系统中访问。 创建最小化损失的损失函数,我们使用最小二乘误差(LSE)或L2范数,因为它将通过一个解决方案提供稳定的解决方案。 在整个训练期间,
1
人工智能-机器学习-模型驱动的业务生成方法及业务智能化支撑技术研究.pdf
2022-05-19 10:07:07 11.93MB 人工智能 文档资料 机器学习