Δωρεές 15 Σεπτεμβρίου 2024 – 1 Οκτωβρίου 2024
Σχετικά με συγκέντρωση χρημάτων
αναζήτηση βιβλίων
βιβλία
Δωρεές:
67.6% έχει επιτευχθεί
Σύνδεση
Σύνδεση
Σε εξουσιοδοτημένους χρήστες είναι διαθέσιμα:
προσωπικές συστάσεις
Telegram bot
ιστορία λήψεων
αποστολή στο Email ή Kindle
διαχείριση λιστών βιβλίων
αποθήκευση στα αγαπημένα
Προσωπικά
Αιτήματα βιβλίων
Εξερευνήστε
Z-Recommend
Λίστες βιβλίων
Τα πιο δημοφιλή
Κατηγορίες
Συμμετοχή
Υποστήριξη
Μεταφορτώσεις
Litera Library
Δωρεά χάρτινων βιβλίων
Προσθήκη χάρτινων βιβλίων
Search paper books
Το LITERA Point μου
Αναζήτηση λέξεων κλειδιών
Main
Αναζήτηση λέξεων κλειδιών
search
1
Deep Learning for Time Series Forecasting: Predict the Future with MLPs, CNNs and LSTMs in Python
Independently Published
Jason Brownlee
dataset
input
import
forecasting
step
models
listing
output
array
lstm
forecast
cnn
univariate
scores
function
model.add
samples
range
define
split
multivariate
n_test
methods
activity
cfg
config
grid
error
n_input
develop
observations
neural
numpy
dense
features
n_steps
sequences
yhat
prediction
activation
evaluate
values
rmse
in_seq1
sample
relu
n_features
network
verbose
predictions
Έτος:
2019
Γλώσσα:
english
Αρχείο:
PDF, 8.27 MB
Οι ετικέτες (tags) σας:
0
/
0
english, 2019
2
Deep Learning for Time Series Forecasting - Predict the Future with MLPs, CNNs and LSTMs in Python
Machine Learning Mastery
Jason Brownlee
dataset
input
import
forecasting
step
models
listing
output
array
lstm
forecast
cnn
univariate
scores
function
model.add
samples
range
define
split
multivariate
n_test
methods
activity
cfg
config
grid
error
n_input
develop
observations
neural
numpy
dense
features
n_steps
sequences
yhat
prediction
activation
evaluate
values
rmse
in_seq1
sample
relu
n_features
network
verbose
predictions
Έτος:
2018
Γλώσσα:
english
Αρχείο:
PDF, 8.14 MB
Οι ετικέτες (tags) σας:
5.0
/
5.0
english, 2018
3
Deep Learning for Time Series Forecasting: Predict the Future with MLPs, CNNs and LSTMs in Python
Machine Learning Mastery
Jason Brownlee
dataset
input
import
forecasting
step
models
listing
output
array
lstm
forecast
cnn
univariate
scores
function
model.add
samples
range
define
split
multivariate
n_test
methods
activity
cfg
config
grid
error
n_input
develop
observations
neural
numpy
dense
features
n_steps
sequences
yhat
prediction
activation
evaluate
values
rmse
in_seq1
sample
relu
n_features
network
verbose
predictions
Έτος:
2019
Γλώσσα:
english
Αρχείο:
PDF, 8.27 MB
Οι ετικέτες (tags) σας:
5.0
/
5.0
english, 2019
1
Ακολουθήστε
αυτόν τον σύνδεσμο
ή αναζητήστε το bot "@BotFather" στο Telegram
2
Στείλτε την εντολή /newbot
3
Εισάγετε ένα όνομα για το chatbot σας
4
Εισάγετε ένα όνομα χρήστη για το bot
5
Αντιγράψτε το τελευταίο μήνυμα από τον BotFather και επικολλήστε το εδώ
×
×