注意LSTM 使用TensorFlow对LSTM实施注意力模型

占士邦 公司债券评级变化预测模型 团队成员：Wes Sapone，Kwame van Leeuwen，Ketan Patel，Susan Fan 目标：开发一种机器学习模型，该模型可以预测未来12个月公司债券的信用等级变化 概括 通过SQL从活跃于公司信用违约概率建模的公司中获取大型数据集。 数据清理在该项目中发挥了重要作用。 3个分类模型：使用Logistic回归，随机森林和梯度提升来训练/测试模型并分析大型历史数据框。 事实证明，拥有相对较少的评分事件的不平衡数据集是一个关键挑战。 使用原始的不平衡数据集，Random Forest和Gradient Boost模型似乎优于Logistic回归模型，其平衡精度得分约为83％。 将来可能进行的建模改进包括增强数据集，微调模型和优化目标变量。 演示幻灯片 数据清理 楷模 逻辑回归 随机森林 原始数据，默认参数1 随机森林原始数据，

攻击树教学工具 通过用户之间的实时协作，创建用于构建攻击树威胁模型的Web工具。 使用的技术： 查看实时服务器

市区 urbs是一个优化模型，用于容量扩展规划和分布式能源系统的机组承诺。 它的名字，拉丁语为“城市”，源于其作为城市能源系统优化模型的起源。 从那时起，它已经适应了从邻里到大洲的多种规模。 特征 urbs是用于多商品能源系统的线性规划模型，着重于优化存储大小和使用。 它找到了可能满足多种商品（例如电力）的给定需求时间序列的最小成本能源系统。 默认情况下，按小时间隔的时间步进行操作（可配置）。 多亏了 ，复杂的数据分析才变得容易。 该模型本身非常小，这要归功于它依赖于软件包。 小型代码库包含报告和绘图功能。 屏幕截图 安装 有两种方法可以在Windows下获取所有必需的软件包。 我们建议使用Python发行版Anaconda。 如果您不想使用它，或者已经安装了现有的Python（建议使用3.6版，也支持2.7版），还可以自己下载所需的软件包。 Anaconda / Minicon

修正剑桥模型子程序，正常固结软粘土的本构模型

操场 Playground是一个简化的应用程序，可让您修改浏览器中的机器学习模型。 这个程序的灵感来自于伟大的Tensorflow。 唯一的区别是它解决了经典的机器学习模型 演示版 就 它是如何工作的 ？ :card_index_dividers: 您可以从预定义列表中选择并配置数据集。 您可以设置： 样品数 火车上的噪音和测试数据 :gear: 您选择一个模型，并为其设置超参数。 您可以从以下模型中选择模型：逻辑回归，决策树，随机森林，梯度提升，神经网络，朴素贝叶斯，KNN和SVM :chart_decreasing: 该应用程序会自动显示以下结果： 模型在火车和测试数据上的决策边界 训练和测试数据的性能指标（准确性和F1分数） 模型训练所需的时间 生成的python脚本，用于基于数据集定义和模型超参数来重现模型 对于每种模型，游乐场都提供了指向官方文档的链接以及提示列表。 加分点：该应用程序还提供通过添加多项式特征来执行特征工程的功能。 事实证明，

是一个库，可以使用不同的隐私训练PyTorch模型。 它支持在客户端上进行的代码更改最少的培训，对培训性能的影响很小，并允许客户端在线跟踪在任何给定时刻花费的隐私预算。 目标观众 此代码版本针对两个目标受众： ML从业者会发现这是培训差异性隐私模型的温和介绍，因为它需要最少的代码更改。 差异隐私科学家会发现这很容易尝试和修改，使他们能够专注于重要的事情。 安装 可以通过pip安装最新版本的Opacus： pip install opacus :warning_selector: 注意：这将带来最新版本的部门，它们在Cuda 10.2上。 如果您的环境使用的是较旧的Cuda版本（例如，Google Colab仍在Cuda 10.1上），则此方法将无效。 要在Colab上安装，请首先运行以下单元： pip install torchcsprng==0.1.3+cu101 -f https://download.pytorch.org/whl/torch_stable.html 然后，您可以像以前一样pip install opacus 。 在查看更多上下文。 您还可以直接从

T5飞马 中文生成式预训练模型，以mT5为基础架构和初始权重，通过类似PEGASUS的方式进行预训练。 详情可见： ://kexue.fm/archives/8209 分词器 我们将T5 PEGASUS的令牌生成器转换成BERT的令牌生成器，它对中文更友好。同时，我们重新排列一版词表，从而里边的字，词都更加完善，目前的vocab.txt共包含5万个token，真正覆盖了中文的常用字，词。 预训练任务 具体来说，假设一个文档有n个句子，我们从中挑出大约n / 4个句子（可以不连续），因此这n / 4个句子拼起来的文本，跟剩下的3n / 4个句子拼写的文本，更长公共子序列重置长，然后我们将3n / 4个句子拼写的文本视为标题，n / 4个句子拼起来的文本透视摘要，通过这样的方式构成一个“（Reuters，摘要）”的伪摘要数据对。 模型下载 目前开源的T5 PEGASUS是基本版，总参数量为2

型号概述 包含以下内容的多市场数值模拟模型： 具有虚拟出价的PJM足迹中的电力调度的汇总模型。 PJM内部的新一代产能的内生供应。 影响PJM电源系统的预先存在的策略。 从PJM外部导入替代/可再生能源信用（REC）。 非PJM RGGI成员国提供的二氧化碳减排供应。 当前RGGI市场参与者对库存的CO2配额的供应/需求。 从2016年到2030年，每年设计一次以探索大型PJM批发电力市场内的州/地区/联邦政策互动。 该模型涵盖了所有现有的发电机组，并经过校准以匹配2016年，并允许从2017年开始扩展新的NGCC，风能和太阳能产能。 该模型具有五个负载区，这些负载区是PJM中20多个负载区的总和，但是可以在系统，状态或状态近似级别上对单元和策略进行建模。 基于区域之间观察到的传输线的链接。 模型考虑每个负荷区域（每个季节24个）的96个负荷段，以捕获需求的时间变化。

PIX2PIXHD模型