CNN-LSTM-Caption-Generator-master.zip CNN-LSTM-Caption-Generator-master.zip CNN-LSTM-Caption-Generator-master.zip

论文代码

使用基于CNN的深度学习进行调制格式识别和OSNR估计

LSTM(Long Short Term Memory，长短期记忆网络)介绍 介绍：LSTM，也就是长短期记忆网络，是一种 RNN 特殊的类型，可以学习长期依赖信息。要想较好理解LSTM请先查看之前写的RNN的简单理解文章。在传统RNN训练经常会出现无法解决长期依赖、梯度消失和梯度爆炸的问题，学习能力有限，在实际任务中的效果往往达不到预期效果。此时引入LSTM，LSTM是RNN的一种变体，是为了解决长期依赖问题而专门设计出来的，可以对有价值的信息进行长期记忆，减小了循环神经网络的学习难度。 应用领域：语音识别、语言建模、机器翻译、命名实体识别、图像描述文本生成。 图说LSTM结构 LSTM图标

对于LSTM应用于时间序列方面的人工智能预测很有实践意义的MINI课程,对于如何 用LSTM深度学习网络做时间序列上预测做了很好的示范与教学，

LSTM 作为预测模型，使用贝叶斯优化算法来实现股票预测的功能

步态matlab代码CNN步态库，用于基于步态的生物特征识别 弗朗西斯科·卡斯特罗（Francisco M. Castro）和曼努埃尔·J·马林·吉梅内斯（Manuel J.Marin-Jimenez） 该库包含支持[1]和[2]的Matlab代码。 如果发现此代码有用，请引用[1]或[2]。 先决条件 MatConvNet库： Tukey的损失函数（用于回归）： 此代码已在带有Matlab 2013b的Ubuntu 14.04和带有Matlab 2016b的Ubuntu 16.04.2上进行了测试。 预训练模型 从这里下载： 样品测试数据 正常情况下，来自TUM-GAID的测试对象分区的一些测试序列： 快速开始 假设您已将CNNGait库放置在文件夹中。 启动Matlab并键入以下命令： cd startup_cnngait cg_demo_test 参考 [1] MJ Marin-Jimenez，F Castro，N Guil，F de la Torre，R Medina-Carnicer 2017年国际影像处理会议（ICIP） [2] FM Cast

本项目是一个完整的深度学习实践，课题是人脸表情识别，使用到的模型是卷积神经网络，难度在简单——中等级别，方便初学者入门。在这里，面部表情识别相当于一个分类问题，共有7个类别。其中label包括7种类型表情。源代码方便大家开箱即用，学习参考！ 动手完成这个项目之后，可以学习到： 1. 深度学习中CNN（卷积神经网络）的使用，为之后学习相关神经网络模型做了很好的铺垫。 2. 学会使用深度学习框架之一Pytorch的使用。 3. 多分类问题在实际中的应用，是二分类的扩展。 4. 从数据处理，可视化，到模型搭建的过程，是一种经验和技巧的积累，达到“举一反三”的效果。

可以用遗传算法GA优化LSTM网络的超参数

此为英文文档，内容（按在文档中出现的顺序排列）：RNN、BPTT、Vanishing Gradient Problem、Weight Conflict Problem、Treating Vanishing Gradient: Constant Error Carrousel (CEC)、Treating Wight Conflict: Gating Function、CEC + Gates（LSTM）、Why LSTM solves the problem、Experiment : two-sequence problem、Experiment : adding/multiplication problem、Experiment : temporal order problem、Introducing Forget Gate。