2022年2月3日，西南交通大学计算机与人工智能学院的林小惠/江永全*/杨燕等人在Journal of Molecular Structure杂志发表文章，提出了一种基于图卷积网络预测原子间两两距离的模型...基于此，我们提出了一种基于图卷积网络预测原子间两两距离的模型，也称为分子距离矩阵预测(DMGCN)。...后来，由于物质的性质与它的分子结构密切相关，更多的人选择利用图神经网络根据分子图或分子空间信息来预测它的性质，分子空间信息有助于提高预测结果[6-11]。...Relu，f表示全连接层。...可以看出，基于我们模型预测的分子距离矩阵得到的性质预测结果(Predicted)与基于QM9数据集计算的分子距离矩阵得到的性质预测结果比较接近。
【导读】近期，意大利公数据科学家Mattia Brusamento撰写了基于Tensorflow卷积网络的 短期股票预测教程，在这篇博文中，你将会看到使用卷积神经网络进行股票市场预测的一个应用案例，主要是使用...博文一步步展示了从数据集创建、CNN训练以及对模型评估等等入手，带你进入基于TensorFlow实现的股票市场预测分析。...▌摘要 ---- 在机器学习中，卷积神经网络(CNN)是已经成功地应用于计算机视觉任务中的一类神经网络。在这个项目中，我将使用CNN将股票价格与情感分析结合，来进行股票市场预测。...基于TensorFlow的CNN： ---- 为了在Tensorflow中实现卷积神经网络，我使用了官方教程作为参考。...基卷积神经网络： ---- 已经从TensorFlow教程的例子开始构建CNN，然后使之适用于我们的任务。
本文详细阐述了美团在基于神经网络StarNet的行人轨迹交互预测算法的研究。有关轨迹预测算法的研究还在继续，希望能与同行一起交流学习。 1....在此过程中，美团无人配送团队也取得了一些技术层面的突破，比如基于神经网络StarNet的行人轨迹交互预测算法，论文已发表在IROS 2019。...神经网络一般不需要假设固定的数学模型，凭借大规模的数据集促使网络学习更加合理的映射关系。本文我们主要介绍一些基于神经网络的行人预测算法。...基于神经网络的预测算法（主要以长短期记忆神经网络Long Short Term Memory，LSTM为主）在最近5年都比较流行，预测效果确实比传统算法好很多。...图3 算法整体结构 其他的相关工作，还包括基于语义图像/占有网格（Occupancy Grid Map, OGM）的预测算法，基于信息传递（Message Passing, MP）的预测算法，基于图网络
股票市场具有高收益与高风险并存的特性，预测股票市场走势一直被普通股民和投资机构所关注。...之前尝试了例如决策树、贝叶斯网络、KNN、BP神经网络等算法,结合A股的市场特征，对股票市场的综合涨跌做预测分析，但是始终无法显式挖掘数据的深度特征，导致模型的正确率并不太高。...这里就采用一维CNN代替传统的BP人工神经网络进行建模，深度分析了数据的内在特征，对股票市场的预测效果做了探索，以便更好的预测股市的走势。 一、算法说明： 本次案例采用一维CNN算法做股票走势的预测。...对于卷积神经网络通道的设计，这里采用相似指标作为不同通道，使用开盘价、最高价、最低价作为输入数据，对股票趋势建模分析，所以将open、high、low作为CNN的3个通道： ?...使用TensorFlow构建神经网络模型，卷积操作与池化操作分别使用了tensorflow.layers包中的convld()函数与max_poolingld()函数，具体的参数在这里就省略。
本文详细阐述了外卖平台在基于神经网络StarNet的行人轨迹交互预测算法的研究。有关轨迹预测算法的研究还在继续，希望能与同行一起交流学习。 1....在此过程中，外卖平台无人配送团队也取得了一些技术层面的突破，比如基于神经网络StarNet的行人轨迹交互预测算法，论文已发表在IROS 2019。...神经网络一般不需要假设固定的数学模型，凭借大规模的数据集促使网络学习更加合理的映射关系。本文我们主要介绍一些基于神经网络的行人预测算法。...基于神经网络的预测算法（主要以长短期记忆神经网络Long Short Term Memory，LSTM为主）在最近5年都比较流行，预测效果确实比传统算法好很多。...5.jpg 其他的相关工作，还包括基于语义图像/占有网格（Occupancy Grid Map, OGM）的预测算法，基于信息传递（Message Passing, MP）的预测算法，基于图网络（Graph
人工智能是一个主题，尝试使用神经网络作为模型建立化合物物理性质的预测模型。机器学习库是由Google开发和使用的TensorFlow。...Keras是一个使TensorFlow的神经网络功能更易于使用的软件包。...---- ---- 代码示例 ---- 基于神经网络的溶解度预测 #导入依赖包...nesterov是Nesterov的加速度梯度下降法。...15的因子进行回归分析。
能否仅仅根据他们的脸部照片来预测两个人是否有血缘关系？...这是本文将尝试通过使用野外家庭：以Kaggle共享格式的亲属识别基准数据集： https://www.kaggle.com/c/recognizing-faces-in-the-wild/data 将探索有效的深度神经网络和转移学习技术来训练一个神经网络...，该神经网络将预测两个人是否与血液相关或者没有给出他们的脸部图片。...两个图像矢量之间的差的平方被馈送到完全连接的层，然后该层预测亲属的二元标签。...输入/输出示例 迁移学习： 将使用两种不同的设置将解决方案基于预训练图像编码器： 在ImageNet上进行预训练：包含1400万个手动标记图像的数据集，用于分类为狗，猫，飞机，草莓......
大家好，又见面了，我是你们的朋友全栈君。 最近这段时间刚好忙完学业作业，抽空来总结一下前段时间的工作。 前段时间一直忙于用深度学习做医学图像分割，采用的方法是FCN，也就是全卷积神经网络。...全卷积神经网络是基于卷积神经网络的改进，使得输入和输出的尺寸一致，并且对每个像素点进行分类，达到图像分割的目的。下图是全卷积神经网络的流程图。...比如说，如果你的数据集的尺寸只有100*100左右，那么这个网络结构很有可能就不会work，因为该网络结构只是最原始的FCN，对于处理一些特殊的数据集，会存在性能不足的缺点，导致网络不能收敛。...当然，也不是说4分类的问题没法做，只是你得结合你的数据集的特点，比如我做的这个数据集，图像的尺寸太小，导致经过四五次池化后基本没有了信息。...（手动狗头） 发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/151118.html原文链接：https://javaforall.cn
p=20335 在本文中，我们将介绍三种提高循环神经网络性能和泛化能力的高级技术。我们演示有关温度预测问题的三个概念，我们使用建筑物屋顶上的传感器的时间数据序列。...概述 在本文中，我们将介绍三种提高循环神经网络性能和泛化能力的高级技术。在最后，您将了解有关将循环网络与Keras一起使用的大部分知识。...此类分类器的总体准确度为90％，因此，任何基于学习的方法都应超过90％的分数，以证明其有用性。 在这种情况下，可以安全地假定温度时间序列是连续的（明天的温度可能会接近今天的温度）。...下面的清单显示了一个全连接的模型，该模型首先将数据展平，然后在两个密集层中运行它。请注意，最后一个致密层上缺少激活函数，这对于回归问题是很典型的。您将MAE用作损失函数。...通常，这是机器学习的一个相当大的局限性：除非对学习算法进行硬编码来寻找特定类型的简单模型， 基准模型 第一种全连接的方法效果不好，但这并不意味着机器学习不适用于此问题。
generalized-template-based graph neural network for accurate organic reactivity prediction 论文摘要 对化学反应性的可靠预测仍停留在知识渊博的合成化学家的领域...在未来的数字实验室中，利用人工智能将这一过程自动化可以加速合成设计。虽然一些机器学习方法已经显示出了有希望的结果，但目前大多数模型都偏离了人类化学家基于电子变化分析和预测反应的方式。...在这里，作者提出了一个名为LocalTransform的化学驱动图神经网络，它基于广义反应模板学习有机反应，描述反应物和生成物之间电子构型的净变化。...提出的概念大大减少了反应规则的数量，并展示了最先进的产物预测精度。除了广义反应模板的内置可解释性外，该模型的高分-准确度相关性允许用户评估机器预测的不确定性。
编辑整理 编辑部：西西 原文作者 Jason Brownlee 问题描述 问题为：国际客运量预测。该数据范围从 1949 年 1 月至 1960 年 12 月。...下面是一个样本的文件 但是我们感兴趣的不是日期 ， 因为每个被观察的相同间距隔开的一个月。因此，我们可以排除加载数据集的第一列。 你可以看到数据集有一个上升趋势的。你还可以看到一些周期性等。...LSTM窗口的使用方法 We can also phrase the problem so that multiple, recent time steps can be used to make the
前言 传统的股价预测的时许模型，对于收益率的假设往往不切实际，而最近兴起的机器学习模型，特别是深度学习模型对于股价的预测也存在着明显的问题： 大多数文献中，都直接预测股价或者是收益率，并没有考虑股票之间的排序...RELATIONAL STOCK RANKING（RSR） RSR总共包含三层，分别是基于序列数据应用序列神经网络模型的Sequential Embedding Layer, 基于关系型数据应用图神经网络的...以IRR指标衡量，Rank_LSTM的效果比SFM和LSTM好很多，说明基于股票排序的学习比直接预测收益率，效果更优。...文中提出的TGC与卷积图神经网络算法GCN相比有效性怎么样？ ?...产业链、供应链等图谱型数据，日益成为大家关注的数据类型，但很多机构并没有想好怎么用这类数据？传统基于量价的深度学习模型，结合基于图谱类数据的图神经网络，给这类数据的应用指明了一条可探索的道路。
因为实现销售目标是他们获得收入，为家庭提供保障能力以及推动未来职业发展的原因。 ? 什么是基于活动的预测 销售人员一般对当月和下一个月的预测比较了解。...那你应该如何拿到相对准确的销售预测数字呢，答案就是基于活动的预测。 采用基于活动的销售预测的销售管理者，你可以查看销售人员执行的活动和行为，以指导未来的销售情况。...假设从第一通客户电话到演示demo还有30天的时间距离，那么你可以使用当前月份通话指标来帮助你预测未来4个月的销售额。 基于活动的预测案例 有许多不同的方法可以预测业务，我建议你使用其中的几种方法。...但是如果的预测看起来很轻松就能完成，那么你的公司可能希望暂停一部分招聘或处理正在考虑的变更，直到销售回到正轨。 开始你的基于活动的预测 你的公司可以立即开始使用基于活动的预测。...基于活动的预测模型将帮助你的团队密切关注漏斗，因为内部销售代表正在努力实现同样的使命：新的潜在客户和demo机会。
预测房价：回归问题 回归问题预测结果为连续值，而不是离散的类别。 波士顿房价数据集 通过20世纪70年代波士顿郊区房价数据集，预测平均房价；数据集的特征包括犯罪率、税率等信息。...数据集只有506条记录，划分成404的训练集和102的测试集。每个记录的特征取值范围各不相同。比如，有0~1,1~12以及0~100的等等。...准备数据 因为数据各个特征取值范围各不相同，不能直接送到神经网络模型中进行处理。尽管网络模型能适应数据的多样性，但是相应的学习过程变得非常困难。...使用激活函数将会限制输出结果的范围，比如使用sigmoid激活函数，输出结果在0~1之间。这里，因为最后一层只是一个线性层，模型的输出结果可能是任意值。 模型的损失函数为mse均方误差。...最好的评估方式是采用K折交叉验证--将数据集分成K份(K=4或5)，实例化K个模型，每个模型在K-1份数据上进行训练，在1份数据上进行评估，最后用K次评估分数的平均值做最后的评估结果。 ?
机器学习算法（八）：基于BP神经网络的乳腺癌的分类预测 本项目链接：https://www.heywhale.com/home/column/64141d6b1c8c8b518ba97dcc 1.算法简介和应用...最近由于人工神经网络的快速发展，它已经成为模式识别的强有力的工具。神经网络的运用展开了新的领域，解决其它模式识别不能解决的问题，其分类功能特别适合于模式识别与分类的应用。...Part 2 基于BP神经网络的乳腺癌分类实践 Step1:库函数导入 Step2:数据读取/载入 Step3:数据信息简单查看与可视化 Step4:利用BP神经网络在乳腺癌数据上进行训练和预测...总结 BP神经网络具有以下优点： 1) 非线性映射能力：BP神经网络实质上实现了一个从输入到输出的映射功能，数学理论证明三层的神经网络就能够以任意精度逼近任何非线性连续函数。...以上种种，导致了BP神经网络算法收敛速度慢的现象。 3) BP 神经网络结构选择不一：BP神经网络结构的选择至今尚无一种统一而完整的理论指导，一般只能由经验选定。
本工作中，作者提出了一种基于图网络的深度学习方法，可以准确地预测有机小分子的溶剂化自由能。...在准确性方面，当前模型目前优于所有此前提出的基于机器学习的其他模型。此外，作者对基于机器学习的模型的鲁棒性进行了全面测试，并通过几个示例验证了其解释预测的能力。...最近，Lim和Jung提出了一种模型“Delfos”，该模型使用递归神经网络来预测分子在任何通用溶剂中的溶解度。...此外，为了确保测试集的最小差异，进行了五次独立的10倍交叉验证。 图1. 基于图神经网络的体系结构 图片源自JCIM 结果1....(b)双氯芬酸及其前药双氯芬酸和甘油复合物 图片源自JCIM 总结 本文作者提出了一种基于图神经网络来预测有机分子在任何通用有机溶剂中的溶解度的新颖方法。
长短时记忆网络(LSTM)是一种能够学习和预测长序列的递归神经网络。LSTMs除了学习长序列外，还可以学习一次多步预测，这对于时间序列的预测非常有用。...将收集测试数据集上的所有预测，并计算错误得分，以总结模型对每个预测时间步骤的技能。使用均方根误差(RMSE)来惩罚较大的误差，得到的分数与预测数据的单位相同，即月度洗发水销售。...持久性模型 时间序列预测的一个好的基线是持久性模型。这是一个预测模型，在这个模型中，最后一个观测值被向前持久化。由于它的简单性，它通常被称为幼稚的预测。...做预测 下一步是进行持久性预测。我们可以在一个名为persistence()的函数中轻松实现持久性预测，该函数执行最后一次观察和要持久化的预测步骤的数量。这个函数返回一个包含预测的数组。...我们可以看到，每个预测时间步的得分都比持久性预测好，在某些情况下要好得多。这表明配置的LSTM确实具有解决问题的技能。有趣的是，RMSE并没有像预期的那样随着预测范围的延长而逐渐变差。
随着深度神经网络技术在计算机视觉领域中引发的技术变革，基于深度神经网络的光流预测算法应运而生。...本文中，SIGAI将以FlowNet到FlowNet2.0的演变，来和大家一起领略基于CNN（卷积神经网络）的光流算法的诞生与发展。 光流（optical flow）是指平面上，光照模式的变化情况。...光流预测通常是从一对时间相关的图像对中，估计出第一张图像中各个像素点在相邻图像中的位置。 光流问题长久以来，主要被基于变分能量模型的优化算法和基于块匹配的启发式算法统治着。...整个网络结构类似于FCN(全卷机网络)，由卷积和反卷积层构成，没有全连接层，因此理论上对输入图像的大小没有要求。...并且实验表明，即使是人工合成的非自然图像，依然可以用来训练深度神经网络来预测光流。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
腾讯会议
对象存储
云直播
