股票
-
用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类
介绍 在本文中，我们将看到如何开发具有多个输出的文本分类模型。我们将开发一个文本分类模型，该模型可分析文本注释并预测与该注释关联的多个标签。多标签分类问题实际上是多个输出模型的子集…
-
R语言实现拟合神经网络预测和结果可视化
神经网络一直是迷人的机器学习模型之一，不仅因为花哨的反向传播算法，而且还因为它们的复杂性（考虑到许多隐藏层的深度学习）和受大脑启发的结构。 神经网络并不总是流行，部分原因是它们在某…
-
matlab递归神经网络RNN实现：桨距控制控制风力发电机组研究
本文介绍了用于涡轮桨距角控制的永磁同步发电机（PMSG）和高性能在线训练递归神经网络（RNN）的混合模糊滑模损失最小化控制的设计。反向传播学习算法用于调节RNN控制器。PMSG速度…
-
用R语言实现神经网络预测股票实例
神经网络是一种基于现有数据创建预测的计算系统。 如何构建神经网络？ 神经网络包括： 输入图层：根据现有数据获取输入的图层 隐藏图层：使用反向传播优化输入变量权重的图层，以提高模型的…
-
基于keras平台CNN神经网络模型的服装识别分析
在许多介绍图像识别任务的介绍中，通常使用着名的MNIST数据集。但是，这些数据存在一些问题： 1.太简单了。例如，一个简单的MLP模型可以达到99％的准确度，而一个2层CNN可以达…
-
R语言深度学习不同神经网络模型对比分析案例
介绍 深度学习是机器学习最近的一个趋势，模拟高度非线性的数据表示。在过去的几年中，深度学习在各种应用中获得了巨大的发展势头（Wikipedia 2016a）。其中包括图像和语音识别…
-
python在Keras中使用LSTM解决序列问题
时间序列预测是指我们必须根据时间相关的输入来预测结果的问题类型。时间序列数据的典型示例是股市数据，其中股价随时间变化。 递归神经网络（RNN）已被证明可以有效解决序列问题。特别地…
-
Python使用神经网络进行简单文本分类
深度学习无处不在。在本文中，我们将使用Keras进行文本分类。 准备数据集 出于演示目的，我们将使用 20个新闻组 数据集。数据分为20个类别，我们的工作是预测这些类别。如下所…
-
用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类
介绍 在本文中，我们将看到如何开发具有多个输出的文本分类模型。我们将开发一个文本分类模型，该模型可分析文本注释并预测与该注释关联的多个标签。多标签分类问题实际上是多个输出模型的…
-
R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析
在先前我们提供了Nelson-Siegel模型收敛失败的示例，我们已经展示了它的一些缺陷。 蒙特卡洛模拟帮助我们理解： for(j in 1:N_SIMULATIONS) { ol…
-
使用Python和Keras进行主成分分析、神经网络构建图像重建
介绍 如今，几乎我们使用的每个应用程序中都有大量数据- 听音乐， 浏览朋友的图像，或者 观看新的预告片 对于单个用户来说这不是问题。但是，想象一下同时处理成千上万的请求（如果不是…
-
如何在python 深度学习Keras中计算神经网络集成模型
神经网络的训练过程是一个挑战性的优化过程，通常无法收敛。 这可能意味着训练结束时的模型可能不是稳定的或表现最佳的权重集，无法用作最终模型。 解决此问题的一种方法是使用在训练运行结束…
