selfattention

机器学习之心1 年前
cnn-gru·selfattention·sci一区级·gwo-cnn-gru·多变量多步时间序列预测
SCI一区级 | Matlab实现GWO-CNN-GRU-selfAttention多变量多步时间序列预测1.Matlab实现GWO-CNN-GRU-selfAttention灰狼算法优化卷积门控循环单元融合自注意力机制多变量多步时间序列预测，灰狼算法优化学习率，卷积核大小，神经元个数，以最小MAPE为目标函数；
机器学习之心1 年前
cnn-bilstm·时间序列预测·selfattention·gwo-cnn-bilstm·多变量多步
SCI一区级 | Matlab实现GWO-CNN-BiLSTM-selfAttention多变量多步时间序列预测1.Matlab实现GWO-CNN-BiLSTM-selfAttention灰狼算法优化卷积双向长短期记忆神经网络融合自注意力机制多变量多步时间序列预测，灰狼算法优化学习率，卷积核大小，神经元个数，以最小MAPE为目标函数；
机器学习之心1 年前
cnn-bilstm·自注意力机制·多特征分类预测·koa-cnn-bilstm·selfattention
分类预测 | Matlab实现KOA-CNN-BiLSTM-selfAttention多特征分类预测（自注意力机制）1.Matlab实现KOA-CNN-BiLSTM-selfAttention开普勒算法优化卷积双向长短期记忆神经网络融合自注意力多特征分类预测，多特征输入模型，运行环境Matlab2023b及以上； 2.基于开普勒算法(KOA)优化卷积双向长短期记忆神经网络(CNN-BiLSTM)结合自注意力机制（selfAttention）分类预测。2023年新算法KOA，MATLAB程序，多行变量特征输入，优化了学习率、卷积核大小及隐藏层单元数等。 3.多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数
机器学习之心1 年前
cnn-gru·自注意力机制·多特征分类预测·koa-cnn-gru·selfattention
分类预测 | Matlab实现KOA-CNN-GRU-selfAttention多特征分类预测（自注意力机制）1.Matlab实现KOA-CNN-GRU-selfAttention开普勒算法优化卷积门控循环单元融合自注意力多特征分类预测，多特征输入模型，运行环境Matlab2023b及以上； 2.基于开普勒算法(KOA)优化卷积门控循环单元(CNN-GRU)结合自注意力机制（selfAttention）分类预测。2023年新算法KOA，MATLAB程序，多行变量特征输入，优化了学习率、卷积核大小及隐藏层单元数等。 3.多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。程序语言为matla
机器学习之心1 年前
koa-cnn-bigru·自注意力机制·多特征分类预测·selfattention
分类预测 | Matlab实现KOA-CNN-BiGRU-selfAttention多特征分类预测（自注意力机制）1.Matlab实现KOA-CNN-BiGRU-selfAttention开普勒算法优化卷积双向门控循环单元融合自注意力多特征分类预测，多特征输入模型，运行环境Matlab2023b及以上； 2.基于开普勒算法(KOA)优化卷积双向门控循环单元(CNN-BiGRU)结合自注意力机制（selfAttention）分类预测。2023年新算法KOA，MATLAB程序，多行变量特征输入，优化了学习率、卷积核大小及隐藏层单元数等。 3.多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。程序