Neuromonkey:基于TensorFlow的NLP中序列学习的开源工具 源码

nlp:NLP实验

NLP:NLP实现

NLP-项目

NLPGym NLPGym是一个工具包,可以弥补RL和NLP应用程序之间的差距。 这旨在促进自然语言处理任务上DRL应用程序的研究和基准测试。 该工具包为标准NLP任务提供了交互式环境,例如序列标记,

提出一种基于深度学习（卷积神经网络）的图像去雨框架，取得的效果优于已经存在的绝大多数方法

该文档是基于tensorflow深度学习的中文命名实体识别，经过测试，可以使用，且效果很好。当前版本基于双向循环神经网络（BiRNN）+条件随机场（CRF）来完成实体的标注。基本思路是利用深度神经网络

基于深度学习的时间序列算法综述,包含LSTM、RNN、以及其它变体与应用

提出一种基于深度学习的极光序列分类方法,有效结合卷积神经网络(CNN)特征丰富的空间域信息和长短时记忆(LSTM)网络捕捉序列信息的优势,并利用极光的属性对CNN添加反馈约束调节使特征更契合极光图像。

机器学习的时间序列预测 一组预测时间序列的不同机器学习模型,具体来说是给定货币图表和目标的市场价格。 要求 必需的依赖项: numpy 。 其他依赖项是可选的,但是为了使最终模型更多样化,建议安装以下

严厉 Python中的时间序列和序列处理(正在进行中)。 当前功能 序列操纵功能:分割,切割等 搜索算法,例如:给定最小均值阈值的最长子序列 动态时间规整 表示形式:PAA,SAX 分类器:SAX-V