Вы не можете выбрать более 25 тем
Темы должны начинаться с буквы или цифры, могут содержать дефисы(-) и должны содержать не более 35 символов.
Emile Siboulet
c5295ce722
merge
|
4 лет назад | |
|---|---|---|
| .. | ||
| .ipynb_checkpoints | 4 лет назад | |
| RNN_prediction_meteo | 4 лет назад | |
| RNN_wilshire_5000 | 4 лет назад | |
| fonctions_activations_classiques | 4 лет назад | |
| fonctions_activations_classiques_bis | 4 лет назад | |
| predictions_meteo | 4 лет назад | |
| resnet18 | 4 лет назад | |
| wilshire_5000 | 4 лет назад | |
| README.md | 4 лет назад | |
| notepad_siboulet.ipynb | 4 лет назад | |
README.md
README.md
Répartition des codes
fonctions_activations_classiques
Ce code démontre la mauvaise généralisation des fonctions d’activations classiques à des signaux périodiques.
Il tente de reproduire la figure de l’introduction
RNN_*
Nécessite la librairie Optuna (https://optuna.org/) pour fonctionner
wilshire_5000
Prédiction des données financières à partir de l’index Wilshire5000
Classical Installations Required : numpy, pandas, tensorflow and matplotlib (and warnings)
Other Installation : statsmodels for ARIMA predictions (pip install statsmodels)
Le notebook est une démo du fonctionnement des fonctions. Le fichier wilshire.py s’occupe du pré-processing des données et parsing. Le fichier nn.py s’occupe de la partie DeepLearning, ainsi que les prédictions ARIMA et finalement plot les fonctions.