对LSTM的详细介绍书籍（全英文版），需要的可以看看

情感分析word2vec-LSTM 使用PyTorch对流行电影评论数据集进行情感分析word2vec + LSTM 请注意：由于损失很大，我将更新此仓库。 数据集非常混乱。 当我有足够的时间时，我将再次更新此笔迹。 数据集：Go Kaggle 1.600.000 Twitter数据集

负荷预测算法 使用多种算法（线性回归，随机森林，支持向量机，BP神经网络，GRU，LSTM）进行电力系统负荷预测/电力预测。通过一个简单的例子。各种算法（线性回归，随机森林，支持向量机，BP神经网络，GRU，LSTM）用于电力系统负荷预测/电力预测。

资源来源：https://colah.github.io/posts/2015-08-Understanding-LSTMs/

用于时间序列分类的多元LSTM-FCN MLSTM FCN模型（来自 FCN）使用最新的单变量时间序列模型（来自的最新的单变量时间序列模型，LSTM-FCN和ALSTM-FCN来增强挤压和激励块。 对于LSTM-FCN和ALSTM-FCN模型的代码可以在这里找到 。 安装 下载存储库并应用pip install -r requirements.txt安装所需的库。 具有Tensorflow后端的Keras已用于开发模型，并且目前不支持Theano或CNTK后端。 权重尚未通过这些后端进行测试。 注意：所有模型的“输入”层的输入都将被预先混洗为形状（“批量大小”，“变量数”，“时间步数”）

在Google街景视图中进行虚拟漫步 在， 。 在隔离期间，由于COVID-19大流行，我们目前遇到的情况是，为了共同的福祉，我们减少了在街上自由活动的权利。 人们只能在杂货店等特定情况下外出。 在许多国家，许多边界都是封闭的，旅行被完全禁止。 Virtual Walks是一个使用Pose Estimation模型和LSTM神经网络一起在Google Street View中模拟步行的项目。 对于姿势估计，已修改了模型，而对于动作检测部分，已使用开发了LSTM模型。 该项目能够借助模拟世界各地的街道。 Tensorflow 2.0，Selenium和Python 3.7是该项目中使用的

注意： 该软件包已停止更新，请参阅我们的新 参考： 纸： 用于命名实体识别的神经架构通过BLSTM-CNN-CRF进行端到端序列标记码： 用法： python train.py 性能 f1 91.00％

LSTM的公式推导详解, 一篇很好的解释长短时记忆神经网络的文章

论文《End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF》的代码实现

数据集—基于TF NMT利用带有Attention的 ED模型训练、测试(中英文平行语料库)实现将英文翻译为中文的LSTM翻译(中英文平行语料库)训练数据集—train