awesome-repositories.com
المدونة
MCP
awesome-repositories.com

اكتشف أفضل مستودعات المصادر المفتوحة باستخدام بحث مدعوم بالذكاء الاصطناعي.

استكشفعمليات بحث منسقةبدائل مفتوحة المصدربرمجيات ذاتية الاستضافةالمدونةخريطة الموقع
المشروعخادم MCPحولكيفية ترتيب النتائجالصحافة
قانونيالخصوصيةالشروط
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 مستودع

Awesome GitHub RepositoriesConvolutional Sequence Models

Sequence models that utilize stacks of convolutional layers instead of recurrent units for parallel processing.

Distinct from Sequence-to-Sequence Models: Distinct from general Sequence-to-Sequence Models: specifically focuses on the convolutional architecture rather than encoder-decoder patterns.

Explore 1 awesome GitHub repository matching artificial intelligence & ml · Convolutional Sequence Models. Refine with filters or upvote what's useful.

Awesome Convolutional Sequence Models GitHub Repositories

اعثر على أفضل المستودعات باستخدام الذكاء الاصطناعي.سنبحث عن أفضل المستودعات المطابقة باستخدام الذكاء الاصطناعي.
  • locuslab/tcnالصورة الرمزية لـ locuslab

    locuslab/TCN

    4,525عرض على GitHub↗

    TCN هو إطار عمل ومكتبة للتعلم العميق للتسلسلات لبناء شبكات تلافيفية زمنية (Temporal Convolutional Networks). يوفر مجموعة أدوات لتنفيذ بنيات تلافيفية بحتة لنمذجة البيانات التسلسلية كبديل للشبكات العصبية المتكررة. يتضمن المشروع مجموعة قياس أداء لنمذجة التسلسلات مصممة لتقييم دقة وسرعة معالجة البنيات. تستخدم هذه المجموعة مهاماً موحدة، بما في ذلك مشاكل الذاكرة، وتصنيف الأرقام، والموسيقى، ومهام اللغة، لقياس الأداء. يغطي إطار العمل مجموعة من المكونات الهيكلية لمعالجة التسلسلات، مثل طبقات التلافيف السببية لمنع تسرب المعلومات والنوى الموسعة لزيادة مجال الاستقبال. كما يوفر كتل اتصال متبقية لاستقرار التدرج وخطوط أنابيب بيانات لتحويل بيانات السلاسل الزمنية الخام إلى موترات (Tensors).

    Replaces recurrent neural networks with a stack of convolutional layers to allow parallel processing of sequences.

    Python
    عرض على GitHub↗4,525
  1. Home
  2. Artificial Intelligence & ML
  3. Sequence-to-Sequence Models
  4. Convolutional Sequence Models