文件名称:easyesn:使用 Echo 状态网络进行水库计算的 Python 库
文件大小:690KB
文件格式:ZIP
更新时间:2024-06-19 03:51:44
machine-learning recurrent-neural-networks rnn echo-state-networks reservoir-computing
易生 easyesn是一个使用回声状态网络( ESN ,也称为reservoir computing )的循环神经网络库,具有高度易于使用的 API,该 API 与sklearn密切sklearn 。 它旨在通过提供基于自动梯度的超参数调整(岭回归惩罚、谱半径、泄漏率和反馈缩放)以及瞬态时间估计的算法,使ESN的使用尽可能简单。 此外,它结合了使用时空ESN进行几何扩展输入信号的预测和分类的能力。 easyesn既可以使用CPU或利用GPU感谢到cupy 。 目前建议使用 CPU! 该项目基于 Luca Thiede 基于梯度的超参数优化和瞬态时间估计以及 Roland Zimmermann 的时空预测和分类技术的研究成果。 入门 安装 easyesn库是使用python 3构建的。 您不能在python 2.x环境中使用它。 目前安装easyesn的推荐方法是通过pip 。 不过,您
【文件预览】:
easyesn-master
----setup.py(4KB)
----.gitignore(1KB)
----examples()
--------.gitignore(18B)
--------PredictionExample.ipynb(47KB)
--------RegressionExample.ipynb(125KB)
--------ShinrikiX.txt(253KB)
--------MackeyGlass_t17.dat(249KB)
--------ParallelTraining.ipynb(107KB)
--------SpatioTemporalExample.ipynb(51KB)
--------EnsembleExample.ipynb(209KB)
--------ClassificationExample.ipynb(6KB)
--------readme.md(11B)
--------OptimizationExample.ipynb(73KB)
----README.md(6KB)
----easyesn()
--------RegressionESN.py(10KB)
--------OneHotEncoder.py(881B)
--------__init__.py(292B)
--------__version__.py(65B)
--------optimizers()
--------SpatioTemporalESN.py(22KB)
--------helper.py(2KB)
--------ClassificationESN.py(11KB)
--------backend()
--------BaseESN.py(22KB)
--------PredictionESN.py(17KB)