Python图注意力神经网络GAT与蛋白质相互作用数据模型构建、可视化及熵直方图分析
本文聚焦于图注意力网络GAT在蛋白质 – 蛋白质相互作用数据集中的应用。
Tag Archives: 神经网络
MATLAB图卷积神经网络GCN处理分子数据集节点分类研究
本文主要探讨了如何利用图卷积网络（GCN）对图中的节点进行分类。
Python混合注意力机制-多变量-LSTM神经网络分析PM2.5、光伏电站、温度时间序列数据及RNN、ARIMAX、XGT、随机森林对比
对于在具有目标变量和外生变量的时间序列上训练的循环神经网络，除了准确预测之外，还期望能提供对数据的可解释性见解。
Python生成对抗神经网络GAN预测股票及LSTMs、ARIMA对比分析ETF金融时间序列可视化
本文聚焦于利用生成对抗网络（GANs）进行金融时间序列的概率预测。介绍了一种新颖的基于经济学驱动的生成器损失函数，使 GANs 更适用于分类任务并置于监督学习环境中，能给出价格回报的全条件概率分布，突破传统点估计方式，实现不确定性估计。
Python、R循环神经网络RNN、指数平滑ETS、ARIMA模型预测网络流量、ATM机取款、旅游需求时间序列数据
在当今经济研究与商业决策领域，精准的时间序列预测具有极为关键的意义。
Python滑动窗口卷积神经网络CNN对损伤梁桥数据、故宫城墙图像数据分类可视化|附数据代码
在现代土木结构工程领域，结构损伤的准确识别与定位对于保障基础设施的安全性和耐久性具有极为关键的意义。
Python时空图神经网络ST-GNNs-PCA嵌入交通数据预测可视化及KPCA核主成分分析汽油精制应用实例
本研究横跨交通预测与汽油精制两大领域，PCA 嵌入在其中均扮演着核心角色，我们旨在通过深入探索与研究，全面展示 PCA 嵌入在不同复杂系统中的卓越性能与广泛应用潜力。
MATLAB深度学习Transformer神经网络量化金融时间序列预测交易策略回测
此文展示了如何在MATLAB®中使用Transformer网络对股票的每日价格进行建模。
【视频讲解】Python深度神经网络DNNs-K-Means（K-均值）聚类方法在MNIST等数据可视化对比分析
近年来，由于诸如自动编码器等深度神经网络（DNN）的高表示能力，深度聚类方法发展迅速。
MATLAB用CNN-LSTM神经网络的语音情感分类深度学习研究
在语音处理领域，对语音情感的分类是一个重要的研究方向。
Python量子生成对抗网络QGAN神经网络药物发现、多方法乳腺癌药物筛选应用
在当今的医学领域，乳腺癌作为一种严重威胁女性健康的疾病，其治疗一直是科研工作者们关注的焦点。
【视频讲解】共享单车使用量预测：RNN, LSTM，GRU循环神经网络和传统机器学习
随着城市化进程的加速，共享单车作为一种绿色、便捷的出行方式，在城市交通中扮演着日益重要的角色。准确预测共享单车的使用量对于优化资源配置、提高运营效率以及满足用户需求具有关键意义。
【视频讲解】线性时间序列原理及混合ARIMA-LSTM神经网络模型预测股票收盘价研究实例
近年来人工神经网络被学者们应用十分广泛，预测领域随着神经网络的引入得到了很大的发展。
深度神经网络DNN、RNN、RCNN及多种机器学习金融交易策略研究|附数据代码
在当今的金融领域，量化交易正凭借其科学性和高效性逐渐成为主流投资方式之一。
TensorFlow深度学习框架改进K-means聚类、SOM自组织映射神经网络算法及上海招生政策影响分析研究
在教育政策研究领域，准确评估政策对不同区域和学生群体的影响至关重要。
Python用Markov RNN马尔可夫递归神经网络建模序列数据t-SNE可视化研究
本文聚焦于利用马尔可夫递归神经网络（MarkovRNN）结合树库展开建模工作。
PCA主成分分析原理与水果成熟状态数据分析实例：Python中PCA-LDA与卷积神经网络CNN
主成分分析（PCA）作为数据科学中用于可视化和降维的重要工具，在处理具有大量特征的数据集时非常有用。
【视频讲解】Python用LSTM、Wavenet神经网络、LightGBM预测股价
在金融科技的浪潮中，量化投资方法以其数据驱动和模型导向的特性，日益成为资本市场分析的重要工具。
【视频讲解】ResNet深度学习神经网络原理及其在图像分类中的应用|附Python代码
本文深入探讨了卷积层（Convolutional Layer）在深度学习框架中的核心作用与操作机制，并分析了其在特征提取、网络构建以及性能提升方面的独特优势。
Python预测体重变化：决策树、tf神经网络、随机森林、梯度提升树、线性回归可视化分析吸烟与健康调查数据
在当今的数据驱动时代，机器学习算法已成为解析复杂数据集、揭示隐藏模式及预测未来趋势的重要工具。
Python TensorFlow双向Bi-LSTM长短期记忆神经网络深度学习可视化用户传感器活动数据
在本文中，我们旨在利用深度学习技术，特别是TensorFlow框架下的Keras库，对WISDM（无线传感器数据挖掘）数据集进行活动识别。
Python深度学习TensorFlow Keras心脏病预测神经网络模型评估损失曲线、混淆矩阵可视化
随着深度学习技术的快速发展，高效的计算框架和库对于模型训练至关重要。
【视频讲解】LSTM神经网络模型在微博中文文本评论情感分析和股市预测应用附代码数据
本文将通过视频讲解，展示如何用python的LSTM模型对中文文本评论情感分析。
TensorFlow、Keras的LSTM神经网络异常检验和预测股市价格时间序列数据可视化python实例附代码数据
本文旨在探讨如何利用TensorFlow和Keras中的LSTM神经网络来预测和检验股市价格时间序列数据，并通过Python编程语言和可视化技术来展示预测结果和异常检验的效果。
Python用GRU神经网络模型预测比特币价格时间序列数据2案例可视化|附代码数据
门控循环单元（GRU）是一种循环神经网络（RNN）类型，旨在有效地捕获序列数据中的长期依赖关系。
数据分享|随机森林填充缺失值、BP神经网络在亚马逊评论、学生成绩分析研究2案例合集
神经网络作为一种强大的机器学习算法，具有强大的非线性映射和学习能力，能够处理复杂的模式识别和数据分类问题。
R语言神经网络与决策树的银行顾客信用评估模型对比可视化研究
在数字化时代，顾客信用评估成为商业决策中的重要一环。
R语言神经网络模型金融应用预测上证指数时间序列可视化
本文旨在利用神经网络模型来帮助客户预测上证指数的收盘价，通过分析不同历史数据作为输入，建立模型并进行预测。
SPSS Modeler决策树和神经网络模型对淘宝店铺服装销量数据预测可视化
本文阐述了服装店铺营销的现状，为客户提出了将数据挖掘技术应用到服装营销中的方案。
SPSS modeler利用类神经网络对茅台股价涨跌幅度进行预测
数据变得越来越重要，其核心应用“预测”也成为各个行业以及产业变革的重要力量。
Python用线性回归和TensorFlow非线性概率神经网络不同激活函数分析可视化
在这篇文章中，我将尝试介绍从简单的线性回归到使用神经网络构建非线性概率模型的步骤。
R语言逻辑回归、决策树、随机森林、神经网络预测患者心脏病数据混淆矩阵可视化
众所周知，心脏疾病是目前全球最主要的死因。
Python用GAN生成对抗性神经网络判别模型拟合多维数组、分类识别手写数字图像可视化
生成对抗网络（GAN）是一种神经网络，可以生成类似于人类产生的材料，如图像、音乐、语音或文本。
SPSS多层感知器 (MLP)神经网络预测全国污染物综合利用量数据
随着全球经济的不断发展，污染物的排放和环境污染问题日益严重。
R语言神经网络模型预测多元时间序列数据可视化
多元时间序列建模一直是吸引了来自经济，金融和交通等各个领域的研究人员的主题。
Python电力负荷预测：ARIMA、LSTM神经网络时间序列分析
电力系统源源不断向各用户提供持续稳定的电能，本文通过对数据的提取。
R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化
以苏州商品房房价为研究对象，帮助客户建立了灰色预测模型 GM (1,1)、 BP神经网络房价预测模型，利用R语言分别实现了 GM (1,1)和 BP神经网络房价预测可视化。
Python对中国电信消费者特征预测：随机森林、朴素贝叶斯、神经网络、最近邻分类knn、逻辑回归、支持向量回归（SVR）
随着大数据概念的兴起，以数据为基础的商业模式越来越流行，用所收集到的因素去预测用户的可能产生的行为，并根据预测做出相应反应成为商业竞争的核心要素之一。
R语言气象模型集成预报技术：神经网络、回归、svm、决策树用环流因子预测降雨水数据
随着天气预报技术的发展，数值预报产品日益丰富，预报方法多种多样。
R语言豆瓣电影评论数据文本挖掘、神经网络、词云可视化和交叉验证
在网络技术高速发展的背景下,信息纷乱繁杂,如何能够获得需要的文本信息,成了许多企业或组织关注的问题。
Python用Lstm神经网络、离散小波转换DWT降噪对中压电网电压时间序列预测
对于电力公司来说，对局部放电的准确预测可以显著降低人力物力成本。
使用TensorFlow、Keras 和 Python 构建神经网络分析鸢尾花iris数据集
鸢尾花iris数据集以及MNIST数据集可能是模式识别文献中最著名的数据集之一。
python岭回归、Lasso、随机森林、XGBoost、Keras神经网络、kmeans聚类链家租房数据地理可视化分析
最近我们被客户要求撰写关于租房数据分析的研究报告。利用 python 爬取链家网公开的租房数据
Python用NLP自然语言处理LSTM神经网络Twitter推特灾难文本数据、词云可视化与SVM，KNN，多层感知器，朴素贝叶斯，随机森林，GBDT对比
Twitter是一家美国社交网络及微博客服务的网站，致力于服务公众对话。
Python用RNN神经网络LSTM优化EMD经验模态分解交易策略的股票价格MACD分析
预测股票价格，并在合适的时间产生交易策略实现收益，一直是一个热门的问题，到现在为止也提出了很多预测方法。
Python卷积神经网络CNN身份识别图像处理在疫情防控下口罩识别、人脸识别
运用Python 3.8.1版本，爬取网络数据，基于卷积神经网络（CNN）的图像处理原理，搭建口罩识别技术训练集，构建人脸识别系统，最终建立高校师生行踪查询管理系统。
Matlab用深度学习循环神经网络RNN长短期记忆LSTM进行波形时间序列数据预测
此示例说明如何使用长短期记忆 (LSTM) 网络预测时间序列
Python用RNN循环神经网络：LSTM长期记忆、GRU门循环单元、回归和ARIMA对COVID-19新冠疫情新增人数时间序列预测
该数据由Hopkins 大学根据世界各国提供的新病例数据提供。
R语言用Keras长短期记忆LSTM神经网络分类分析问答文本数据
本文是在 R 中使用 Keras 的LSTM神经网络分类简单介绍。
Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性
该项目包括：自 2000 年 1 月以来的股票价格数据。我们使用的是 Microsoft 股票。
Python用Keras的LSTM神经网络进行时间序列预测天然气价格例
一个简单的编码器-解码器LSTM神经网络应用于时间序列预测问题
MATLAB用深度学习长短期记忆 (LSTM) 神经网络对智能手机传感器时间序列数据进行分类
此示例说明如何使用长短期记忆 (LSTM) 网络对序列数据的每个时间步长进行分类。
python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列
通过训练具有小中心层的多层神经网络重构高维输入向量，可以将高维数据转换为低维代码。
R 语言用RNN循环神经网络 、LSTM长短期记忆网络实现时间序列长期利率预测
2017 年年中，R 推出了 Keras 包 ，这是一个在 Tensorflow 之上运行的综合库，具有 CPU 和 GPU 功能。本文将演示如何在 R 中使用 LSTM 实现时间序列预测。
Python用LSTM长短期记忆神经网络的参数优化方法预测时间序列洗发水销售数据
配置神经网络很困难，因为没有关于如何去做的好的理论。
R语言深度学习卷积神经网络 (CNN)对 CIFAR 图像进行分类：训练与结果评估可视化
本文演示了训练一个简单的卷积神经网络 (CNN) 来对 CIFAR 图像进行分类。
【视频讲解】R语言结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析
本文的目标是使用各种预测模型预测Google的未来股价，然后分析各种模型。
R语言深度学习Keras循环神经网络(RNN)模型预测多输出变量时间序列
递归神经网络被用来分析序列数据。
Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化
本文探索Python中的长短期记忆（LSTM）网络，以及如何使用它们来进行股市预测。
R语言Keras用RNN、双向RNNs递归神经网络、LSTM分析预测温度时间序列、 IMDB电影评分情感
在这篇文章中，我们将回顾三种提高循环神经网络的性能和泛化能力的高级方法。
【视频讲解】Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析
最近我们被客户要求撰写关于使用长短期记忆网络（LSTM）来拟合一个不稳定的时间序列的研究报告。
R语言中的神经网络预测时间序列：多层感知器（MLP）和极限学习机（ELM）数据分析报告
用于R语言的多层感知器（MLP）和极限学习机（ELM）进行时间序列预测。
SARIMA，神经网络，RNN-LSTM，SARIMA和RNN组合方法预测COVID-19每日新增病例
WeChat Tencent QQ email print 由Enzo Li撰写 开发一个预测模型，根据一
R语言深度学习：用keras神经网络回归模型预测时间序列数据
回归数据可以用Keras深度学习API轻松拟合。
【视频讲解】R语言keras深度学习CNN卷积神经网络分类识别手写数字图像数据（MNIST）
在本文中，我们将学习如何使用keras，用手写数字图像数据集（即MNIST）进行深度学习。
Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类
这个例子展示了如何使用深度学习长短期记忆（LSTM）网络对文本数据进行分类。
MATLAB中用BP神经网络预测人体脂肪百分比数据
这个例子说明了一个函数拟合的神经网络如何根据测量结果来估计脂肪百分比。
SAS使用鸢尾花(iris)数据集训练人工神经网络(ANN)模型
人工神经网络最初是由研究人员开发的，他们试图模仿人脑的神经生理学。
- 1
- 2
