原创 自適應模糊神經網絡ANFIS

最早關於自適應模糊神經網絡推理系統( Adaptive Neuro Fuzzy Inference System,ANFIS)的文章應該是Jyh-Shing Roger Jang 於1993年發表的《ANFIS : Adaptive-Net

原创 《神經網絡與深度學習》第六章 循環神經網絡

第六章 循環神經網絡 在前饋神經網絡中,信息的傳遞是單向的,這種限制雖然使得網絡變得更容易學習,但在一定程度上也減弱了神經網絡模型的能力.在生物神經網絡中,神經元之間的連接關係要複雜得多.前饋神經網絡可以看作一個複雜的函數,每次輸入都是獨立

原创 《神經網絡與深度學習》第一章 緒論

第一章 緒論 深度學習是機器學習的一個分支,是指一類問題以及解決這類問題的方法。 神經網絡:一種以(人工)神經元爲基本單元的模型 深度學習主要解決貢獻度分配問題 每個組件都會對信息進行加工,並進而影響後續的組件,所以當得到最後的輸出結

原创 基於LSTM的多變量多輸出溫溼度預測

1、模塊導入 import tensorflow as tf import matplotlib as mpl import matplotlib.pyplot as plt import numpy as np import os imp

原创 時間序列預測概述

時間序列是一種衡量事物隨時間變化的數據類型。在一個時間序列數據集中,時間列本身不代表一個變量:它實際上是一個基本結構,可以使用它對數據集排序。由於我們需要應用特定的數據預處理和特徵工程技術來處理時間序列數據,因此這種基本的時間結構使時間序列

原创 特徵工程(四)特徵抽取

特徵抽取與特徵選擇在功能上類似,都最終實現了數據集特徵數量的減少,但特徵選擇得到的是原有特徵的子集,而特徵抽取是將原有特徵根據某種函數關係轉換爲新的特徵,並且數據集維度比原來的低。兩者所得到的的特徵集合與原特徵集合對應關係不同。 4.1

原创 特徵工程(二)數據轉換

數據科學項目中少不了要用到機器學習算法。通常每種算法都會對數據有相應的要求,比如有的算法要求數據集特徵是離散的,有的算法要求數據集特徵是分類型的,而數據集特徵不一定就滿足這些要求,必須依據某些原則、方法對數據進行變換。 2.1 特徵的類型

原创 特徵工程(三)特徵選擇

經過“數據清理”和“特徵變換”後的數據集,已經滿足了數據科學項目中算法對數值的基本要求。但是, 不呢止步於此,數據集的特徵數量、質量會影響計算效率和最終模型的預測、分類效果。所以要對特徵進行選擇,即根據具體的項目選擇適合的特徵。 3.1

原创 OpenCV-圖像特徵提取與描述

OpenCV-圖像特徵提取與描述 1 角點特徵 學習目標 理解圖像的特徵 知道圖像的角點 1.1 圖像的特徵 大多數人都玩過拼圖遊戲。首先拿到完整圖像的碎片,然後把這些碎片以正確的方式排列起來從而重建這幅圖像。如果把拼圖遊戲的原理寫成

原创 pandas對時間序列中缺失值進行線性插值

一、問題背景 以二氧化碳濃度數據集爲例,該時間序列在某些時間點上會有缺失值。 # 讀取數據集 df = pd.read_csv('二氧化碳濃度.csv') # 將字段Datetime數據類型轉換爲日期類型 df['datetime'] =

原创 基於LSTM實現多變量預測(Tensorflow2實現)

這篇文章的內容來自B站UP主唐國樑Tommy老師的視頻 TensorFlow 2.0 基於LSTM多變量_共享單車使用量預測: https://www.bilibili.com/video/BV1y5411K7NR 案例實現思路:

原创 基於LSTM實現單變量預測(Tensorflow2實現)

這篇文章的內容來自B站UP主唐國樑Tommy老師的視頻 TensorFlow 2.0 基於LSTM單變量預測_電力消耗案例: https://www.bilibili.com/video/BV1f5411K7qD 案例實現思路: 模

原创 RNN與LSTM 3D演示

這篇文章的內容來自B站UP主“梗直哥丶 ”的視頻 《【循環神經網絡】5分鐘搞懂RNN,3D動畫深入淺出: https://www.bilibili.com/video/BV1z5411f7Bm 《【LSTM長短期記憶網絡】3D模型一

原创 TensorFlow筆記(六)循環神經網絡

第六章 循環神經網絡 本節主要內容:講解卷積神經網絡,利用基礎CNN、LeNet、AlexNet、VGGNet、InceptionNet和ResNet實現圖像識別。 本節目標:學習循環神經網絡,用 RNN、LSTM、GRU實現連續數據的預測

原创 TensorFlow筆記(五)卷積神經網絡

第五章 卷積神經網絡 本節主要內容:講解卷積神經網絡,利用基礎CNN、LeNet、AlexNet、VGGNet、InceptionNet和ResNet實現圖像識別。 1 全連接網絡回顧 全連接NN特點:每個神經元與前後相鄰層的每一個神經元都