tcn-lstm

机器学习之心

多输入多输出 | Matlab实现TCN-LSTM时间卷积神经网络结合长短期记忆神经网络多输入多输出预测多输入多输出 | Matlab实现TCN-LSTM时间卷积神经网络结合长短期记忆神经网络多输入多输出预测，运行环境为Matlab2023及以上 1.data为数据集，输入多个特征，输出多个变量。 2.main.m为程序主文件，其他为函数文件无需运行。 3.命令窗口输出MBE、MAE、R^2，可在下载区获取数据和程序内容。注意程序和数据放在一个文件夹，运行环境为Matlab2023及以上。

机器学习之心

全新一区PID搜索算法+TCN-LSTM+注意力机制！PSA-TCN-LSTM-Attention多变量时间序列预测（Matlab）1.基于PSA-TCN-LSTM-Attention的PID搜索算法优化时间卷积长短期记忆神经网络融合注意力机制多变量时间序列预测，要求Matlab2023版以上，自注意力机制，一键单头注意力机制替换成多头注意力机制；

机器学习之心

SCI一区 | Matlab实现DBO-TCN-LSTM-Attention多变量时间序列预测1.【SCI一区级】Matlab实现DBO-TCN-LSTM-Attention多变量时间序列预测（程序可以作为SCI一区级论文代码支撑）；

机器学习之心

负荷预测 | Matlab基于TCN-LSTM-Attention单变量时间序列多步预测1.负荷预测 | Matlab基于TCN-LSTM-Attention单变量时间序列多步预测； 2.单变量时间序列数据集，采用前12个时刻预测未来96个时刻的数据； 3.excel数据方便替换，运行环境matlab2023及以上，展示最后96个时间步的预测对比图，评价指标MAE、MAPE、RMSE、MSE、R2； 4.程序语言为matlab，程序可出预测效果图，迭代优化图，相关分析图; 5.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。

机器学习之心

时序预测 | Python基于Multihead-Attention-TCN-LSTM的时间序列预测时序预测 | Python基于Multihead-Attention-TCN-LSTM的时间序列预测Multihead-Attention-TCN-LSTM（多头注意力-TCN-LSTM）是一种结合了多个注意力机制、时序卷积网络（TCN）和长短期记忆网络（LSTM）的模型，用于时间序列预测。

机器学习之心

EI级 | Matlab实现VMD-TCN-LSTM变分模态分解结合时间卷积长短期记忆神经网络多变量光伏功率时间序列预测1.【EI级】Matlab实现VMD-TCN-LSTM多变量时间序列预测（光伏功率数据）； Matlab实现VMD-TCN-LSTM变分模态分解结合时间卷积长短期记忆神经网络多变量光伏功率时间序列预测； VMD对光伏功率分解，TCN-LSTM模型对分量分别建模预测后相加 2.运行环境为Matlab2021a及以上； 3.数据集为excel（光伏功率数据），输入多个特征，输出单个变量，多变量光伏功率时间序列预测，main.m为主程序，运行即可,所有文件放在一个文件夹； 4.命令窗口输出R2、MSE、RMSE

机器学习之心

时序预测 | MATLAB实现TCN-LSTM时间卷积长短期记忆神经网络时间序列预测1.MATLAB实现TCN-LSTM时间卷积长短期记忆神经网络时间序列预测； 2.运行环境为Matlab2021b； 3.单变量时间序列预测； 4.data为数据集，excel数据，MainTCN_LSTMTS.m为主程序，运行即可,所有文件放在一个文件夹； 5.命令窗口输出RMSE、MAE、MAPE多指标评价。