BP神经网络
用于使用BP神经网络完成回归或分类建模，可辅助进行模型训练、预测和效果评估，适合具有明确目标变量的结构化数据分析；具体参数与输出以软件界面为准。
软件下载目录
选择算法后，再查看当前可用的下载方式。
分类筛选
BERT_Finetune-BERT 微调
用于文本分类，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。
暂未开通下载渠道
Autoformer-Autoformer
用于使用Autoformer建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
BiLSTM-双向 LSTM
用于使用双向 LSTM建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
CNN_LSTM-CNN–LSTM 混合
用于使用CNN–LSTM 混合建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
CNN1D-一维卷积神经网络
用于使用一维卷积神经网络建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
DeepAR-DeepAR
用于使用DeepAR建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
GRU-门控循环单元
用于使用门控循环单元建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
Informer-Informer
用于使用Informer建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。
暂未开通下载渠道
当前第 1 页，共 2 页，共 15 个算法