这是我为演示信号预测而创建的数据集。你可以尝试在这里解决一系列实际练习：-https://github.com/guillaume-chevalier/seq2seq-signal-prediction内容此数据集有4个子数据集：1。具有随机相位偏移的正弦和余弦，X长度为10，Y长度为10。[此处显示图像](https://github.com/guillaume-chevalier/seq2seq-signal-prediction/blob/master/images/E1.png). 2.两个频率相加，X长度为15，Y长度为15。每个频率都有一个随机的相位、振幅和频率（详见代码）。[此处显示图像](https://github.com/guillaume-chevalier/seq2seq-signal-prediction/blob/master/images/E2.png). 3.与子数据集2相同，然而，随机噪声被添加到X，并且X的长度是30，Y的长度为30。[此处显示图像](https://github.com/guillaume-chevalier/seq2seq-signal-prediction/blob/master/images/E3.png). 4.来自Coindesk API的比特币财务数据（BTC/USD或BTC/EUR）。请求包是必需的，并且可以访问互联网。[此处显示图像](https://github.com/guillaume-chevalier/seq2seq-signal-prediction/blob/master/images/E5.png). Python 3中的用法：从数据集导入numpy作为np导入generate_xy_data_v1、generate_x_y_data_v2、generate_x_y_data_v3、generatex_y_data_v4 sample_x，sample_y=generate_xy_data_v1（isTrain=True，batch_size=3）print（“3 x和3 y训练示例的数据集维度，用于子数据集1：”，对于子数据集1：（10，3，2）（10，2，3）（seq_length，batch_size，output_dim）确认数据集直接取自此处：https://github.com/guillaume-chevalier/seq2seq-signal-prediction/blob/master/datasets.py灵感启发我创建这个数据集的是一个简单的玩具数据集，用神经网络来做和演示信号预测。许可证[MIT许可证](https://github.com/guillaume-chevalier/seq2seq-signal-prediction/blob/master/LICENSE), ? 2017纪尧姆骑士