基于LSTM(长短期记忆人工神经网络)-CNN+LSTM-堆叠式LSTM的时间序列预测python源码+超详细注释.zip

上传者: DeepLearning_ | 上传时间: 2022-12-02 14:29:39 | 文件大小: 18KB | 文件类型: ZIP
基于LSTM(长短期记忆人工神经网络)_CNN+LSTM_堆叠式LSTM的时间序列预测python源码+超详细注释 以LSTM网络模型为示例,介绍了各种不同数据类型的网络结构 重点包含: 1.如何构造输入输出数据的形状 2.如何配置合适的网络参数来接受这些输入输出训练数据 本教程的目的是提供不同类型的时间序列预测模型的独立示例,作为模板,您可以针对特定的时间序列预测问题进行复制和调整

文件下载

资源详情

[{"title":"( 13 个子文件 18KB ) 基于LSTM(长短期记忆人工神经网络)-CNN+LSTM-堆叠式LSTM的时间序列预测python源码+超详细注释.zip","children":[{"title":"基于LSTM(长短期记忆人工神经网络)_CNN+LSTM_堆叠式LSTM的时间序列预测python源码+超详细注释","children":[{"title":"05.CNN+LSTM网络.py <span style='color:#111;'> 3.14KB </span>","children":null,"spread":false},{"title":"09.(多步+单变量输入)_(多步+单变量输出)_LSTM模型.py <span style='color:#111;'> 1.88KB </span>","children":null,"spread":false},{"title":"02.(多步+单变量输入)_(单步+单变量输出)_LSTM模型.py <span style='color:#111;'> 1.67KB </span>","children":null,"spread":false},{"title":"08.(多步+多变量输入)_(单步+多变量输出)_LSTM模型.py <span style='color:#111;'> 2.08KB </span>","children":null,"spread":false},{"title":"07.(多步+多变量输入)_(单步+单变量输出)_LSTM模型.py <span style='color:#111;'> 1.74KB </span>","children":null,"spread":false},{"title":"01.(多步+单变量输入)_(单步+单变量输出)_监督学习数据.py <span style='color:#111;'> 745B </span>","children":null,"spread":false},{"title":"项目说明.txt <span style='color:#111;'> 396B </span>","children":null,"spread":false},{"title":"11.(多步+多变量输入)_(多步+单变量输出)_LSTM模型.py <span style='color:#111;'> 2.45KB </span>","children":null,"spread":false},{"title":"03.堆叠式LSTM+LSTM网络.py <span style='color:#111;'> 1.71KB </span>","children":null,"spread":false},{"title":"04.双向LSTM网络.py <span style='color:#111;'> 1.72KB </span>","children":null,"spread":false},{"title":"10.Encoder-Decoder LSTM模型.py <span style='color:#111;'> 1.99KB </span>","children":null,"spread":false},{"title":"06.ConvLSTM网络.py <span style='color:#111;'> 2.69KB </span>","children":null,"spread":false},{"title":"12.(多步+多变量输入)_(多步+多变量输出)_LSTM模型.py <span style='color:#111;'> 2.56KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明