lstm

Tesseract 開源 OCR 引擎（主倉庫）

AiLearning：資料分析+機器學習實戰+線性代數+PyTorch+NLTK+TF2

即用型 OCR，支援 80 多種語言及所有常見文字系統，包括拉丁文、中文、阿拉伯文、天城文、斯拉夫文等。

將設計稿轉換為靜態網站的神經網路

RWKV（發音為 RwaKuv）是一種具備卓越大型語言模型效能的 RNN，也可像 GPT 變換器那樣直接訓練（可平行化）。我們已達到 RWKV-7「Goose」階段。它結合了 RNN 與變換器的優勢——卓越效能、線性時間、恆定空間（無 kv-cache）、快速訓練、無限上下文長度，以及免費的句子嵌入。

為網頁友好的機器學習！🤖

使用 PyTorch 與 TorchText 實作幾種序列到序列（seq2seq）模型的教學。

使用 PyTorch 與 TorchText 進行情感分析的入門教學

中文古詩自動作詩機器人，x炸天，基於tensorflow1.10 api，正在積極維護升級中，快star，保持更新！

使用 Keras & Theano 驅動的深度學習爵士音樂生成

使用深度學習進行時間序列預測的論文、程式碼與實驗列表

使用 PyTorch 透過機器學習與深度學習解決實際問題的 Jupyter Notebook 教學。主題包含：使用 Detectron 2 進行人臉偵測、使用 LSTM Autoencoders 進行時間序列異常偵測、使用 YOLO v5 進行物件偵測、建立你的第一個類神經網路、針對冠狀病毒每日確診數的時間序列預測、使用 BERT 進行情感分析

用於時間序列預測、分類與異常偵測的深度學習 PyTorch 函式庫（最初用於洪水預測）。

Go 語言編寫的獨立機器學習與自然語言處理函式庫。

我最喜歡的深度學習資源粗略清單，可用於複習主題或參考。我已經仔細看過裡面列出的所有內容。— Guillaume Chevalier

此儲存庫包含對話情緒辨識的不同架構實作

數值公式識別增強版：中英文手寫印刷公式、支援初級符號推導（資料結構基於 LaTeX 抽象語法樹）Math Formula OCR Pro，支援手寫、中英混合公式及簡單符號推理（基於 LaTeX AST）。

使用 LSTM 來檢測多變量時間序列資料中異常的框架。包含來自 Mars Science Laboratory 和 SMAP 任務的太空船異常資料與實驗。

基於 TensorFlow 的 EEG 任務（訊號）分類深度學習函式庫。

用於將 ONNX 檔案轉換為 LiteRT/TFLite/TensorFlow、PyTorch 原生程式碼 (nn.Module)、TorchScript (.pt)、state_dict (.pt)、Exported Program (.pt2) 以及 Dynamo ONNX 的工具。它也支援從 LiteRT 直接轉換為 PyTorch。

使用生成式 AI 與深度學習進行分子與材料設計的列表。

基於機器學習與推特情感分析的股市預測網頁應用程式（程式碼內含 API 金鑰）。前端採用 Flask 與 WordPress。此應用程式可根據使用者輸入的 NASDAQ 或 NSE 股票代號，預測未來七天的股價。預測採用三種演算法：ARIMA、LSTM、線性迴歸。網頁應用程式結合了

異常檢測方法集合（IID/基於點、圖和時間序列），包含用於異常檢測/發現的主動學習、貝氏規則探勘、多樣性/解釋性/可解釋性描述。分析結合標籤回饋與整合及基於樹的檢測器。包含使用 Graph Convolutional Network 的對抗攻擊。

透過追蹤身體關鍵點來進行即時時空區域化活動偵測

在 Python 中使用 Keras 搭配 LSTM 循環神經網路進行多重多元時間序列預測的範例。

使用 TensorFlow LSTM (長短期記憶) 神經網路進行時間序列預測的股價預測工具

使用 ARIMA、RNN、LSTM 及 GRU 模型預測德里電力負載。

基於 PyTorch 的文本分類基準測試

將 Kaggle 舊金山犯罪描述分類為 39 個類別。在 Tensorflow 上使用 CNN、RNN (GRU 與 LSTM) 和 Word Embeddings 建立模型。