#recurrent-neural-networks Repository
Scopri 36 repository GitHub open source attivi contrassegnati con #recurrent-neural-networks, che raccolgono un totale di 77,501 stelle (con una media di 2,152 stelle per progetto). Il progetto leader di questo argomento è BrainJS/brain.js, con 14,838 stelle.
36 repository in totale
Tutorial per iniziare con PyTorch e TorchText per l'analisi del sentiment.
Appunti, incarichi di programmazione e quiz di tutti i corsi della specializzazione Deep Learning di Coursera offerta da deeplearning.ai: (i) Reti neurali e Deep Learning; (ii) Miglioramento delle reti neurali profonde: tuning degli iperparametri, regolarizzazione e ottimizzazione; (iii) Strutturazione di progetti di Machine Learning; (iv) Reti neurali convoluzionali; (v) Modelli di sequenza
Elenco di articoli, codice e esperimenti che utilizzano deep learning per la previsione di serie temporali
Sistema di riconoscimento del testo manoscritto (HTR) implementato con TensorFlow.
Repository di codice per reti a tempo costante liquido (LTC)
I primi 200 repository GitHub di deep learning ordinati per numero di stelle.
Implementazione ufficiale PyTorch di Learning to (Learn at Test Time): RNN con stati nascosti espressivi
:computer: Impara a far imparare le macchine così da non dover lottare per programmarle; L'elenco definitivo
Codebase per Reti Generative Avversarie di Serie Temporali (TimeGAN) – NeurIPS 2019
Repository del codice per Deep Learning con Keras pubblicato da Packt
Codice ufficiale per il paper: RecurrentGPT: Generazione interattiva di testi (arbitrariamente) lunghi
Questo repository contiene le risorse (articoli, blog, siti web, ecc.) che Ilya ha raccomandato per imparare a conoscere l'Intelligenza Artificiale.
Algoritmi di decodifica CTC (Connectionist Temporal Classification): miglior percorso, ricerca a raggiera, ricerca di dizionario, ricerca di prefisso e token passing. Implementato in Python.
Codice e modelli che accompagnano "Deep Predictive Coding Networks for Video Prediction and Unsupervised Learning"
Previsione dei prezzi delle azioni utilizzando una rete neurale LSTM (long short-term memory) di TensorFlow per la previsione di serie temporali
Modello linguistico a pesi aperti di Google DeepMind, basato su Griffin.
Un codice semplice e flessibile per architetture di Reservoir Computing come le Echo State Networks
Decodificatore Connectionist Temporal Classification (CTC) con dizionario e modello linguistico.
Un toolkit Python per la sperimentazione di Reservoir Computing ed Echo State Network basato su PyTorch. EchoTorch è l'unico modulo Python disponibile per creare facilmente modelli di Deep Reservoir Computing.
Domande frequenti
Qual è il repository #recurrent-neural-networks più popolare su GitHub?
Il progetto open source #recurrent-neural-networks più alto in classifica su GitHub è BrainJS/brain.js, con 14,838 stelle. 🤖 Reti neurali accelerate da GPU in JavaScript per Browser e Node.js
Quali linguaggi di programmazione sono più utilizzati nei repository #recurrent-neural-networks?
Tra i progetti #recurrent-neural-networks più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, TypeScript, Cuda.
Come viene calcolata la classifica dei repository #recurrent-neural-networks?
Monitoriamo 36 repository open source attivi contrassegnati con #recurrent-neural-networks (500+ stelle), per un totale di 77,501 stelle e una media di 2,152 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.