本文基于论文《Efficient Estimation of Word Representations in Vector Space》，描述了词向量训练模型CBOW和Ski-gram的原理，以及给出keras实现。
本文基于论文<A Neural Probabilistic Language Model>提出的神经网络语言模型(NNML)，介绍了其原理，以及使用keras复现了模型。
本文介绍了self-attention和multi head attention的原理，定义一个keras实现层。并在其基础上搭建一个中文新闻分类模型，同时给出结果对比。
本文粗略总结了Attention机制，并使用keras实现了attention生成新闻标题。
语音情感识别在人机交互中发挥着重要作用。本文基于Keras框架，使用卷积神经网络(CNN)，使用语音特征：梅尔倒谱系数(MFCCs)实现对语音的情感识别。
使用Python进行基本的语音信号处理，包括提取时域特征、傅里叶变换、语谱图、梅尔语谱图、梅尔频率倒谱系数(MFCC)等特征。
本文介绍了lstm和gru的工作原理，并基于numpy手动实现一个lstm和gru单元.
基于keras，搭建字符级的seq2seq模型，将英语翻译成粤语。
本文介绍了基于keras框架，使用seq2seq模型，如何使用自己的QQ聊天记录训练一个 聊天机器人——另一个’你‘。
基于Keras，搭建BiLSTM的神经网络模型，用于对话文本的情感分析（正向或负向）。
