利用rnn网络和lstm网络进行下一个字的预测
eg：
`输入`：**我觉得这个【向后输出20个字】**
`输出`：**我觉得这个地方便，但是一个人的，但是一个人的，但是一个**
2023-04-17 01:30:45
3.88MB
1
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
2022-12-02 14:29:39
18KB
CNN LSTM语言模型
从头实现用于语言模型的CNN-LSTM网络。有用的特征从下面的CNN层中提取出来，
然后提供给LSTM层，LSTM层为预测形成一个顺序上下文。
2022-12-02 09:29:39
32.59MB
MATLAB实现PCA-LSTM主成分降维结合长短期记忆神经网络多输入回归预测（完整源码和数据）
数据为多输入回归数据，输入12个特征，输出1个变量。
运行环境MATLAB2018b及以上。
2022-11-03 19:07:32
590KB
MATLAB实现CNN-LSTM卷积长短期记忆神经网络多特征分类预测（完整源码和数据）
数据为多特征分类数据，输入15个特征，分四类,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。
运行环境MATLAB2020b及以上。
2022-11-03 09:07:07
504KB
态势感知 (SA) 已被认为是电力系统稳定和安全运行的关键保证，尤其是在可再生能源整合后的复杂不确定性下。在本文中，提出了一种人工智能驱动的解决方案，以实现涵盖感知，理解和预测的SA的全面实现，其中最后一个是更先进但具有挑战性的，因此以前没有在任何文献中讨论过。通过聚合两个强大的深度学习结构，提出了一种新颖的SA模型: 卷积神经网络 (CNN) 和长期短期记忆 (LSTM) 递归神经网络。提出的CNN-LSTM模型具有在时空测量数据上实现协作数据挖掘的优势，即从相量测量单元数据中同时学习时空特征。在SA模型中设计了两个功能分支: 应急定位器 (用于检测当前的确切故障位置) 和稳定性预测器 (用于预测将来系统的稳定性状态)。测试一下结果表明，即使在较低的数据充分性水平下，该模型也具有很高的性能 (准确性)。
2022-10-10 21:05:37
3.92MB
1
MATLAB语言实现的LSTM长短期记忆神经网络模型
2022-09-08 20:08:00
3KB