rnn

12 Wochen, 24 Lessons, KI für Alle!

AiLearning: Datenanalyse + Machine Learning Praxis + Lineare Algebra + PyTorch + NLTK + TF2

Deep Learning-Tutorial von Li Hung-yi (von Prof. Li Hung-yi empfohlen 👍, Apple-Buch 🍎), PDF-Download-Adresse: https://github.com/datawhalechina/leedl-tutorial/releases

RWKV (ausgesprochen RwaKuv) ist ein RNN mit hervorragender LLM-Leistung, das auch wie ein GPT-Transformer direkt trainiert werden kann (parallelisierbar). Wir sind bei RWKV-7 „Goose“. Es kombiniert also das Beste aus RNN und Transformer – hohe Leistung, lineare Zeit, konstanter Speicherplatz (kein KV-Cache), schnelles Training, unendliche ctx_len und kostenloses Sentence Embedding.

ChatRWKV ist wie ChatGPT, basiert jedoch auf dem RWKV-Sprachmodell (100 % RNN) und ist Open Source.

Code für das Tensorflow Machine Learning Cookbook

Time Series Timeseries Deep Learning Machine Learning Python Pytorch fastai | State-of-the-Art-Deep-Learning-Bibliothek für Zeitreihen und Sequenzen in Pytorch / fastai

Rekurrentes neuronales Netz zur Rauschunterdrückung von Audio

Tutorials zur Implementierung einiger Sequence-to-Sequence-Modelle (seq2seq) mit PyTorch und TorchText.

Eine Software für maschinelles Lernen zum Extrahieren von Informationen aus wissenschaftlichen Dokumenten.

Tutorials für den Einstieg in PyTorch und TorchText zur Sentimentanalyse.

CNN-RNN chinesische Textklassifikation, basierend auf TensorFlow

Einführungs-, Fortgeschrittenen- und Spezialkurse zu Deep Learning, akademische und industrielle Fallstudien, Deep-Learning-Enzyklopädie und Interview-Fragensammlung.

Automatisierter Roboter für chinesische klassische Poesie, basierend auf der TensorFlow 1.10 API, aktiv gewartet und aktualisiert.

Dieses Repository enthält eine Leseliste von Fachartikeln zu Zeitreihenvorhersagen (TSF) und raum-zeitlichen Vorhersagen (STF). Diese Artikel sind hauptsächlich nach Modelltyp kategorisiert.

Deep-Learning-gestützte Jazz-Generierung mit Keras & Theano!

Offizielles Repository von xLSTM.

Eine kuratierte Liste der besten Ressourcen für Künstliche Intelligenz

:art: Erweiterte Version zur Erkennung mathematischer Formeln: Unterstützt chinesische und englische handschriftliche sowie gedruckte Formeln und grundlegende symbolische Ableitungen (Datenstruktur basierend auf LaTeX-AST).

Ein Framework zur Verwendung von LSTMs zur Erkennung von Anomalien in multivariaten Zeitreihendaten. Enthält Raumfahrzeug-Anomaliedaten und Experimente der Missionen Mars Science Laboratory und SMAP.

Diagramme zur Visualisierung von neuronalen Netzwerkarchitekturen

Eine Deep-Learning-Bibliothek für die Klassifizierung von EEG-Aufgaben (Signalen), basierend auf TensorFlow.

Ein Full-Stack-Algorithmen-Tutorial von NLP bis LLM, Online-Leseadresse: https://datawhalechina.github.io/base-llm/

Bolt ist eine Deep-Learning-Bibliothek mit hoher Leistung und heterogener Flexibilität.

Liste des molekularen und materiellen Designs unter Verwendung von Generative AI und Deep Learning

Eine Sammlung von Anomalieerkennungsmethoden (IID/punktbasiert, Graphen und Zeitreihen) einschließlich aktiverem Lernen zur Anomalieerkennung/-entdeckung, Bayes'schem Regelmining und Beschreibung für Diversität/Erklärung/Interpretierbarkeit. Analyse der Einbindung von Feedback zu Labels mit Ensemble- und baumbasierten Detektoren. Beinhaltet gegnerische Angriffe mit Graph Convolutional Networks.

Vorhersage der elektrischen Last von Delhi unter Verwendung von ARIMA-, RNN-, LSTM- und GRU-Modellen

Klassifizierung von Kaggle San Francisco Crime Descriptions in 39 Klassen. Erstellung des Modells mit CNN, RNN (GRU und LSTM) sowie Word Embeddings auf Tensorflow.