lstm

Mecanismo OCR de código aberto Tesseract (repositório principal)

AiLearning: Análise de dados + Machine Learning prático + Álgebra Linear + PyTorch + NLTK + TF2

OCR pronto para uso com suporte a mais de 80 idiomas e todos os principais scripts de escrita, incluindo Latim, Chinês, Árabe, Devanágari, Cirílico, etc.

Uma rede neural que transforma um design mock-up em um site estático.

RWKV (pronuncia-se RwaKuv) é uma RNN com excelente desempenho em LLM, que também pode ser treinada diretamente como um transformer GPT (paralelizável). Estamos na versão RWKV-7 "Goose". Ele combina o melhor de RNN e transformer: ótimo desempenho, tempo linear, espaço constante (sem kv-cache), treinamento rápido, comprimento de contexto infinito e sentence embedding gratuito.

Machine learning amigável para a web! 🤖

Tutoriais sobre a implementação de alguns modelos sequence-to-sequence (seq2seq) com PyTorch e TorchText.

Tutoriais para começar com PyTorch e TorchText para análise de sentimento.

Robô de poesia chinesa clássica, baseado na API do tensorflow 1.10, em manutenção e atualização ativa.

Geração de jazz impulsionada por deep learning usando Keras e Theano!

Lista de artigos, código e experimentos usando deep learning para previsão de séries temporais.

Tutoriais em Jupyter Notebook sobre como resolver problemas do mundo real com Machine Learning e Deep Learning usando PyTorch. Tópicos: Detecção facial com Detectron 2, Detecção de anomalias em séries temporais com LSTM Autoencoders, Detecção de objetos com YOLO v5, Construa sua primeira rede neural, Previsão de séries temporais para casos diários de coronavírus, Análise de sentimento com BERT.

Biblioteca PyTorch de deep learning para previsão de séries temporais, classificação e detecção de anomalias (originalmente para previsão de inundações).

Biblioteca independente de Machine Learning e Processamento de Linguagem Natural em Go

Lista resumida dos meus recursos favoritos de deep learning, úteis para revisar tópicos ou para referência. Analisei cuidadosamente todo o conteúdo listado. - Guillaume Chevalier

Este repositório contém a implementação de diferentes arquiteturas para reconhecimento de emoções em conversas.

Versão aprimorada de reconhecimento de fórmulas matemáticas: fórmulas manuscritas e impressas em chinês e inglês, com suporte a dedução de símbolos básicos (estrutura de dados baseada em árvore de sintaxe abstrata LaTeX).

Um framework para usar LSTMs na detecção de anomalias em dados de séries temporais multivariadas. Inclui dados de anomalias de espaçonaves e experimentos das missões Mars Science Laboratory e SMAP.

Uma biblioteca de Deep Learning para classificação de tarefas (sinais) de EEG, baseada em TensorFlow.

Uma ferramenta para converter arquivos ONNX para LiteRT/TFLite/TensorFlow, código nativo PyTorch (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) e Dynamo ONNX. Também suporta conversão direta de LiteRT para PyTorch.

Lista de design molecular e de materiais usando Generative AI e Deep Learning

Aplicativo web de previsão do mercado de ações baseado em aprendizado de máquina e análise de sentimento de tweets (chaves de API incluídas no código). O front-end do aplicativo é baseado em Flask e WordPress. O aplicativo prevê os preços das ações para os próximos sete dias para qualquer ação da NASDAQ ou NSE inserida pelo usuário. As previsões são feitas usando três algoritmos: ARIMA, LSTM e Regressão Linear. O aplicativo web combina o

Uma coleção de métodos de detecção de anomalias (baseados em iid/ponto, grafos e séries temporais), incluindo aprendizado ativo para detecção/descoberta de anomalias, mineração de regras bayesianas, descrição para diversidade/explicação/interpretabilidade. Análise de incorporação de feedback de rótulos com detectores baseados em ensembles e árvores. Inclui ataques adversariais com Graph Convolutional Network.

Detecção de atividades localizadas espaço-temporalmente em tempo real através do rastreamento de pontos-chave corporais

Exemplo de previsão de séries temporais multivariadas múltiplas com redes neurais recorrentes LSTM em Python com Keras.

Previsão de preços de ações usando uma rede neural LSTM (long short-term memory) do TensorFlow para previsão de séries temporais.

Previsão de carga de energia elétrica de Deli usando modelos ARIMA, RNN, LSTM e GRU

Um benchmark de classificação de texto em PyTorch

Classifique a descrição de crimes de San Francisco do Kaggle em 39 classes. Construa o modelo com CNN, RNN (GRU e LSTM) e Word Embeddings no Tensorflow.