时序预测 | MATLAB实现Bayes(贝叶斯)优化LSTM(长短期记忆神经网络)时间序列预测(完整源码和数据) 数据为一维时序列数据,运行环境MATLAB2018b及以上。
回归预测 | MATLAB实现Attention-LSTM(注意力机制长短期记忆神经网络)多输入单输出(完整源码和数据) 多输入单输出,运行环境MATLAB2020b及以上。
回归预测 | MATLAB实现LSTM(长短期记忆神经网络)多输入单输出(完整源码和数据) 多输入单输出,运行环境MATLAB2018b及以上。
回归预测 | MATLAB实现BiLSTM(双向长短期记忆神经网络)多输入单输出(完整源码和数据) 多输入单输出,运行环境MATLAB2018b及以上。
MATLAB实现优化LSTM(长短期记忆神经网络)时间序列预测算法
2022-04-08 17:06:50 6KB 神经网络 matlab lstm 算法
1
提出了一种基于卷积神经网络和长短期记忆(LSTM)神经网络的深度学习网络结构。采用特征融合的方法,通过卷积网络提取出浅层特征与深层特征并进行联接,对特征通过卷积进行融合,将获得的矢量信息输入LSTM单元。分别使用数据光流信息与红绿蓝信息训练网络,将各网络的结果进行加权融合。实验结果表明,所提模型有效地提高了行为识别精度。
2022-03-04 18:35:40 4.68MB 机器视觉 深度学习 行为识别 卷积神经
1
微博情感分析旨在研究用户关于热点事件的情感观点,研究表明深度学习在微博情感分析上具有可行性。针对传统卷积神经网络进行微博情感分析时忽略了非连续词之间的相关性,为此将注意力机制应用到卷积神经网络(CNN)模型的输入端以改善此问题。由于中文微博属于短文本范畴,卷积神经网络前向传播过程中池化层特征选择存在丢失过多语义特征的可能性,为此在卷积神经网络的输出端融入树型的长短期记忆神经网络(LSTM),通过添加句子结构特征加强深层语义学习。在两种改进基础上构造出一种微博情感分析模型(Att-CTL),实验表明该模型在微博情感分析上具有优良的特性,尤其在极性转移方面仍保持较高的F1值。
1
本代码利用长短期记忆神经网络(LSTM)进行文本分类,支持中英文文本分类,简单易上手,有相应视频教程介绍使用方法。
[1]Hochreiter, Sepp; Schmidhuber, Jürgen.Long Short-Term Memory[J].Neural Computation,1997,9(8)
2021-08-08 11:05:51 237KB LSTM 长短期记忆神经网络
1