递归神经网络(RNN)是两种人工神经网络的总称。
一种是时间递归神经网络(recurrentneuralnetwork),又名循环神经网络,另一种是结构递归神经网络(recursiveneuralnetwork)。
时间递归神经网络的神经元间连接构成矩阵,而结构递归神经网络利用相似的神经网络结构递归构造更为复杂的深度网络。
RNN一般指代时间递归神经网络。
单纯递归神经网络因为无法处理随着递归,权重指数级爆炸或消失的问题(Vanishinggradientproblem),难以捕捉长期时间关联;
而结合不同的LSTM可以很好解决这个问题。
2024/7/15 12:55:12 16.51MB 深度学习
1
深度学习初学者常见数据集,使用最广泛,适合跑RNN,CNN等多个模型的数据集
2024/7/3 3:31:30 21.32MB mnist手写数据集
1
DeepLearn深度学习MATLAB工具箱,适合MATLAB平台快速入门深度学习,包含CNN,RNN,DBN等模型全套代码
2024/6/1 14:28:50 14.1MB DeepLearn 深度学习 工具箱
1
提供详细的RNN的python程序,并提供详细具体实例验证。
2024/5/25 9:48:24 13.87MB CNN
1
本文基于支持向量机(SVM)和改进的粒子群优化(IPSO)算法(SVM-IPSO)创建了双向预测模型,以预测碳纤维的性能和生产参数。
在SVM中,选择对预测性能有重要影响的参数至关重要。
提出了IPSO对它们进行优化的方法,然后将SVM-IPSO模型应用于碳纤维产量的双向预测。
SVM的预测精度主要取决于其参数,因此利用IPSO来寻找SVM的最佳参数,以提高其预测能力。
受小区通信机制的启发,我们通过将全球最佳解决方案的信息纳入搜索策略来提出IPSO,以提高开发效率,并采用IPSO建立双向预测模型:在前向预测的方向上,我们认为富有成效参数作为输入,属性索引作为输出;
在向后预测的方向上,我们将性能指标视为输入,将生产参数视为输出,在这种情况下,该模型成为新型碳纤维的方案设计。
来自一组实验数据的结果表明,该模型的性能优于径向基函数神经网络(RNN),基本粒子群优化(PSO)方法以及遗传算法和改进的粒子群优化(GA-IPSO)方法在大多数实验中都是如此。
换句话说,仿真结果证明了SVM-IPSO模型在处理预测问题方面的有效性和优势。
2024/5/15 2:02:19 536KB support vector machine; particle
1
RNN卷积神经网络原理,LStm原理详解,很详细的材料,值得拥有
2024/4/3 6:10:48 323KB 深度学习 算法原理
1
matlab中rnn的用法
2024/2/24 9:46:51 63KB matlab,rnn
1
有284个训练样本,273个测试样本,通过对数据的处理后进入基于LSTM的多层循环神经网络进行训练,测试样本测试准确率可达70+
2024/2/17 18:27:03 10KB 神经网络
1
RNN卷积神经网络,LSTM,使用matlab实现,简单的数据拟合
2024/2/8 23:11:12 3KB RNN Matlab
1
深度学习中的RNN算法,实战代码,采用python语言编写
2024/1/13 18:37:31 12.51MB 深度学习 RNN
1
共 51 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡