lstm

Tesseract 开源 OCR 引擎（主仓库）

AiLearning：数据分析+机器学习实战+线性代数+PyTorch+NLTK+TF2

即用型 OCR，支持 80 多种语言及所有常见文字系统，包括拉丁文、中文、阿拉伯文、天城文、斯拉夫文等。

将设计稿转换为静态网站的神经网络

RWKV（发音为 RwaKuv）是一种具备卓越大型语言模型性能的 RNN，也可像 GPT 变换器那样直接训练（可并行化）。我们已达到 RWKV-7“Goose”阶段。它结合了 RNN 与变换器的优势——卓越性能、线性时间、恒定空间（无 kv-cache）、快速训练、无限上下文长度，以及免费句子嵌入。

为网页友好的机器学习！🤖

使用 PyTorch 与 TorchText 实作几种序列到序列（seq2seq）模型的教学。

使用 PyTorch 与 TorchText 进行情感分析的入门教程

中文古诗自动作诗机器人，x炸天，基于tensorflow1.10 api，正在积极维护升级中，快star，保持更新！

使用 Keras & Theano 驱动的深度学习爵士音乐生成

使用深度学习进行时间序列预测的论文、代码与实验列表

使用 PyTorch 通过机器学习与深度学习解决实际问题的 Jupyter Notebook 教程。主题包含：使用 Detectron 2 进行人脸检测、使用 LSTM Autoencoders 进行时间序列异常检测、使用 YOLO v5 进行对象检测、建立你的第一个神经网络、针对冠状病毒每日确诊数的时间序列预测、使用 BERT 进行情感分析

用于时间序列预测、分类与异常侦测的深度学习 PyTorch 函数库（最初用于洪水预测）。

Go 语言编写的独立机器学习与自然语言处理库。

我最喜欢的深度学习资源粗略清单，可用于复习主题或参考。我已经仔细看过了里面列出的所有内容。— Guillaume Chevalier

此仓库包含对话情绪识别的不同架构实现

数学公式识别增强版：中英文手写印刷公式、支持初级符号推导（数据结构基于 LaTeX 抽象语法树）Math Formula OCR Pro，支持手写、中英混合公式及简单符号推理（基于 LaTeX AST）。

使用 LSTM 来检测多变量时间序列数据中异常的框架。包含来自 Mars Science Laboratory 和 SMAP 任务的航天器异常数据与实验。

基于 TensorFlow 的 EEG 任务（信号）分类深度学习库。

用于将 ONNX 文件转换为 LiteRT/TFLite/TensorFlow、PyTorch 原生代码 (nn.Module)、TorchScript (.pt)、state_dict (.pt)、Exported Program (.pt2) 以及 Dynamo ONNX 的工具。它还支持从 LiteRT 直接转换为 PyTorch。

使用生成式 AI 与深度学习进行分子与材料设计的列表。

基于机器学习与推特情感分析的股市预测网页应用程序（代码内含 API 密钥）。前端采用 Flask 与 WordPress。此应用程序可根据用户输入的 NASDAQ 或 NSE 股票代号，预测未来七天的股价。预测采用三种算法：ARIMA、LSTM、线性回归。网页应用程序结合了

异常检测方法集合（IID/基于点、图和时间序列），包含用于异常检测/发现的主动学习、贝叶斯规则挖掘、多样性/解释性/可解释性描述。分析结合标签反馈与集成及基于树的检测器。包含使用 Graph Convolutional Network 的对抗攻击。

通过追踪身体关键点来进行实时时空局部化活动检测

在 Python 中使用 Keras 搭配 LSTM 循环神经网络进行多重多元时间序列预测的示例。

使用 TensorFlow LSTM (长短期记忆) 神经网络进行时间序列预测的股价预测工具

使用 ARIMA、RNN、LSTM 及 GRU 模型预测德里电力负荷。

基于 PyTorch 的文本分类基准测试

将 Kaggle 旧金山犯罪描述分类为 39 个类别。在 Tensorflow 上使用 CNN、RNN (GRU 与 LSTM) 和 Word Embeddings 建立模型。