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)。