NumpyDL:Numpy深度学习库 内容描述 NumpyDL是: 基于纯Numpy / Python 对于DL教育 特征 其主要特点是: 纯洁的脾气暴躁 原生于Python 基本支持自动区分 提供了常用的模型:MLP,RNN,LSTM和CNN 几个AI任务的示例 对于玩具聊天机器人应用 文献资料 可用的在线文档: 最新文件 开发文档 稳定文档 可用的离线PDF: 最新PDF 安装 使用pip安装NumpyDL: $ > pip install npdl 从源代码安装: $ > python setup.py install 例子 NumpyDL提供了一些AI任务示例: 句子分类 示例/lstm_sentence_classification.py中的LSTM 例子中的CNN / cnn_sentence_classification.py mnist手写识
2024-02-23 17:06:34 16.61MB deep-neural-networks deep-learning
1
1.本项目基于Google的Magenta平台,它采用随机森林分类器来识别图片的情感色彩,接着项目使用递归神经网络(RNN)来生成与图片情感相匹配的音乐,最后通过图形用户界面(GUI)实现可视化结果展示。 2.项目运行环境:包括 Python 环境和Magenta环境。 3.项目包括3个模块:数据预处理、模型构建、模型训练及保存。其中数据集MIDI下载地址为http://midi.midicn.com/,数据集图片在花瓣网收集获取地址为https://huaban.com/boards/60930738/。音乐模型包含欢快和安静两类MIDI文件各100个,图片包含欢快和安静两类各250张,格式为.jpg;模型构建部分包括图片情感分析和复调音乐模型;在定义模型架构和编译之后,使用训练集训练模型,使模型对图片的情感进行分类。 博客:https://blog.csdn.net/qq_31136513/article/details/134014454
2023-12-17 20:49:34 201.68MB python tensorflow 随机森林 人工智能
1
MATLAB算法-循环神经网络(RNN)算法详解,附代码
2023-11-28 20:38:01 258KB matlab
1
TensorFlow中的深度学习模型 该存储库包含使用实现几种深度学习模型的jupyter笔记本。 每个笔记本均包含有关每种型号的详细说明,希望可以简化所有步骤。 笔记本在Python 3.6,Tensorflow 1.8中运行 楷模:
2023-05-08 23:00:21 270KB python machine-learning deep-learning notebook
1
matlab迭代阈值代码Sista-rnn 论文代码 [1] S. Wisdom,T。Powers,J。Pitton和L. Atlas,“通过展开迭代阈值来建立顺序网络以进行顺序稀疏恢复”,ICASSP 2017,美国路易斯安那州新奥尔良,2017年3月 [2] S. Wisdom,T。Powers,J。Pitton和L. Atlas,“使用顺序稀疏恢复的可解释的递归神经网络”,arXiv预印本arXiv:1611.07252,2016年。在NIPS 2016复杂可解释机器学习研讨会上发表系统公司,西班牙巴塞罗那,2016年12月 通过以下方式包含代码: Stephen J. Wright,Robert D. Nowak和Mario Figueiredo,可从以下网站获得 Salman Asif,可从以下途径获得 Martin Arjovsky,Amar Shah和Yoshua Bengio,可从以下网站获得 要复制论文的结果,请按照下列步骤操作: 下载可从以下网站获得的Caltech-256数据集 执行“ run_supervised.sh”脚本。 这将为所有其他功能加载和预处理Ca
2023-04-20 01:00:03 370KB 系统开源
1
RNN莎士比亚文本生成 该网络应用程序使用LSTM训练莎士比亚的数据,并创建一种语言模型,以莎士比亚的风格生成文本。 RNN(递归神经网络) 递归神经网络(RNN)是一类人工神经网络,对于建模序列数据(例如时间序列或自然语言)具有强大的功能。 与RNN相比,香草神经网络有一个缺点,它们无法解决需要记住有关过去输入信息的机器学习问题。 在处理顺序数据时,记住数据中的关系是关键,而普通的CNN并不擅长长度可变的输入和输出。 因此,我正在使用RNN进行文本生成。 我使用一种称为LSTM的特殊RNN,它可以处理非常大的数据序列。 简单的RNN有一个称为消失梯度问题的问题,因此它们无法处理大序列。 LSTM旨在处理长期依赖关系。 开发环境 烧瓶== 1.1.2 Werkzeug == 1.0.1 张量流CPU 麻木 古尼康
2023-04-18 22:38:20 19.35MB HTML
1
具有递归神经网络的文本生成 使用基于特征的RNN进行文本生成。 我们使用安德烈·卡帕蒂(Andrej Karpathy)的莎士比亚作品集。 给定来自此数据的字符序列(“莎士比亚”),训练模型以预测序列中的下一个字符。 通过重复调用模型,可以生成更长的文本序列。 模型的输出 以下是本教程中的模型训练了30个纪元并以字符串“ Q”开头时的示例输出: 奎妮:我以为你有罗马人。 Oracle这样,使所有人都反对这个词,因为他的照顾太弱了。 您的孩子们在您的圣洁的爱中,通过流血的宝座沉淀。 伊丽莎白·比什普(Bishop of Ely):我的主,嫁给并愿意哭泣,这是最漂亮的。 然而,现在我被世界可悲的一天收为继承人,要和他父亲一起面对面观看新路吗? 埃斯卡洛斯:为什么我们都下了更多儿子的原因。 卷:不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,不,这是没
2023-04-17 22:59:21 70KB Python
1
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 nlp rnn lstm
1
神经网络LSTM 时间预测MATLAB源码,RNN全称循环神经网络(Recurrent Neural Networks),是用来处理序列数据的。在传统的神经网络模型中,从输入层到隐含层再到输出层,层与层之间是全连接的,每层之间的节点是无连接的。但是这种普通的神经网络对于很多关于时间序列的问题却无能无力。
2023-04-14 10:23:45 13KB 神经网络 MATLAB源码 LSTM时间预测 RNN
GRU门控循环单元时间序列预测 包含以下.m功能文件 RNN_gate.m RNN_feedforward.m op_fc.m main.m batch_norm.m
2023-04-14 10:18:15 2KB GRU RNN 门控循环单元 MATLAB