基于RNN(循环神经网络)空中目标意图识别_kereas源码+数据集+程序说明及注释 程序为使用循环神经网络进行意图识别的程序 程序设计语言为Python 3.7.6;开发环境为Anaconda。循环神经网络模型由Python的keras 2.3.0库实现。 代码可以生成损失函数曲线,精确度曲线; 可自定义修改梯度下降方法,损失函数。
基于LSTM循环神经网络空中目标意图识别_kereas源码+数据集+程序说明 程序设计语言为Python 3.7.6;集成开发环境为Anaconda。循环神经网络模型由Python的keras 2.3.0库实现。 数据集为:SCENARIO_DATA_UTF8.zip getData()函数负责读取xml文件,并处理成数据序列及对应的标签序列。参数data_length决定了所读取序列的长度。 getDocumentList()函数用于辅助getData()函数进行数据读取。 modelLSTM()用于实现最基本的循环神经网络模型,只是神经元类型为基础的LSTM。
基于GRU循环神经网络空中目标意图识别_kereas源码+数据+程序说明.zip 程序为使用GRU循环神经网络进行意图识别的程序 程序设计语言为Python 3.7.6;开发环境为Anaconda。循环神经网络模型由Python的keras 2.3.0库实现。 数据集为:SCENARIO_DATA_UTF8.zip 代码可以生成损失函数曲线,精确度曲线; 可自定义修改梯度下降方法,损失函数。
基于改进GRU(添加注意力机制)循环神经网络空中目标意图识别_kereas源码+数据+程序说明.zip 程序设计语言为Python 3.7.6;集成开发环境为Anaconda。循环神经网络模型由Python的keras 2.3.0库实现。 数据集为:SCENARIO_DATA_UTF8.zip getData()函数负责读取xml文件,并处理成数据序列及对应的标签序列。参数data_length决定了所读取序列的长度。 getDocumentList()函数用于辅助getData()函数进行数据读取。 modelAttentionAfterGRU()用于实现在GRU层之后添加Attention层的模型。 modelAttentionBiLSTM()用于实现在双向GRU层之后添加Attention层的模型。 全局变量INPUT_DIM表示输入特征的维度;TIME_STEPS = 500 表示输入到神经网络层序列的长度。 主函数中给出了一个示例:读取数据,划分训练集和测试集,多次训练神经网络模型进行交叉验证,计算加权错误率Weighted Error Rate和训练模型所用时间, 最后将
机器学习数据科学的常用的Python包的常用命令速查表,包含sklean, kereas, tensorflow, pandas, numpy, scipy等
2021-12-14 12:35:42 9.95MB 机器学习 sklearn python kereas
1
camera-openpose-keras keras使用openpose模型的一个小例子 此项目基于 修改了部分代码以支持摄像头 运行前确保模型文件存在 /model/keras/model.h5 此文件可在 下载 在主分支目录下运行 python demo_camera.py 即可
2021-06-23 22:32:08 672KB 附件源码 文章源码
1