预测

汤汤upup13 天前
论文阅读·pytorch·预测·多元时间序列
论文阅读--《FourierGNN:从纯图的角度重新思考多元时间序列预测》Yi K, Zhang Q, Fan W, et al. FourierGNN: Rethinking multivariate time series forecasting from a pure graph perspective[J]. Advances in Neural Information Processing Systems, 2024, 36.
神经网络与数学建模18 天前
深度学习·matlab·回归·cnn·lstm·预测·智能优化算法
SSA-CNN-LSTM多输入回归|樽海鞘算法-卷积-长短期神经网络|Matlab目录一、程序及算法内容介绍:基本内容:亮点与优势:二、实际运行效果:三、算法介绍:四、完整程序下载:本代码基于Matlab平台编译,将SSA(樽海鞘群算法)与CNN-LSTM(卷积-长短期记忆神经网络)结合,进行多输入数据回归预测
deardao19 天前
人工智能·机器学习·回归·时间序列·预测·不确定性·不确定性量化
【分布预测】DistPred:回归与预测的无分布概率推理方法论文在线版本 — 论文地址 — Github代码地址图 0:DistPred可在一次前向过程中给出N个预测,根据这N个预测可求得该点的分布。
强盛机器学习1 个月前
人工智能·深度学习·算法·机器学习·matlab·预测
无人用过!QRTCN-BiLSTM实现区间预测!区间预测全家桶再更新!声明:文章是从本人公众号中复制而来,因此,想最新最快了解各类智能优化算法及其改进的朋友,可关注我的公众号:强盛机器学习,不定期会有很多免费代码分享~
电力程序小学童1 个月前
matlab·麻雀优化算法·预测·长短期记忆·正余弦
【免费】融合正余弦和柯西变异的麻雀优化算法SCSSA-CNN-BiLSTM双向长短期记忆网络预测模型该程序实现多输入单输出预测,通过融合正余弦和柯西变异改进麻雀搜索算法,对CNN-BiLSTM的学习率、正则化参数以及BiLSTM隐含层神经元个数等进行优化,并对比了该改进算法和粒子群、灰狼算法在优化方面的优势。该程序数据选用的是一段风速数据,数据较为简单,方便同学进行替换学习。程序对比了优化前和优化后的效果,注释清晰,方便学习,建议采用高版本matlab运行。
ZShiJ2 个月前
分类·数据挖掘·预测
泰坦尼克号乘客生存情况预测分析2泰坦尼克号乘客生存情况预测分析1 泰坦尼克号乘客生存情况预测分析2 泰坦尼克号乘客生存情况预测分析3 泰坦尼克号乘客生存情况预测分析总
神经网络与数学建模4 个月前
深度学习·算法·matlab·gru·优化·预测·时序
WOA-GRU多输入时序预测 | 鲸鱼优化算法-门控循环单元神经网络 | Matlab目录一、程序及算法内容介绍:基本内容:亮点与优势:二、实际运行效果:三、部分程序:四、完整程序下载:本代码基于Matlab平台编译,将WOA(鲸鱼群算法)与GRU(门控循环单元神经网络)结合,进行多输入数据时序预测
神经网络与数学建模4 个月前
深度学习·神经网络·matlab·lstm·预测·长短时记忆网络·时序
SSA-LSTM多输入回时序预测 | 樽海鞘优化算法-长短期神经网络 | Matlab目录一、程序及算法内容介绍:基本内容:亮点与优势:二、实际运行效果:三、算法介绍:四、完整程序下载:本代码基于Matlab平台编译,将SSA(樽海鞘优化算法)与LSTM(长短期记忆神经网络)结合,进行多输入数据时序预测
科研工作站5 个月前
支持向量机·matlab·改进粒子群·预测·电力负荷预测
Matlab|基于支持向量机的电力短期负荷预测【三种方法】目录主要内容部分代码结果一览下载链接该程序主要是对电力短期负荷进行预测,采用三种方法,分别是最小二乘支持向量机(LSSVM)、标准粒子群算法支持向量机和改进粒子群算法支持向量机三种方法对负荷进行预测,有详实的文档资料,程序注释清楚,方便学习!
神经网络与数学建模6 个月前
人工智能·深度学习·神经网络·matlab·回归·gru·预测
门控循环单元(GRU)-多输入回归预测目录一、程序及算法内容介绍:基本内容:亮点与优势:二、实际运行效果:三、部分程序:四、全部代码+数据分享:
神仙别闹7 个月前
python·信息可视化·汽车·预测
基于Python实现汽车销售数据可视化+预测【500010086.1】时间:表示数据所属的月份和年份。 销量:该月的汽车总销量。 同比:与上一年同期相比的销量变化百分比。数据范围:数据集包含201条记录。 销量数据:总销量为319,164,052辆;平均每月的销量约为1,587,881辆;单月最高销量为2,672,264辆;单月最低销量为216,481辆。
jackyvan8 个月前
深度学习·股票·强化学习·量化·预测·可转债
用深度学习预测股市涨跌之学习记录从开始学习深度学习就想用深度学习尝试实现对股市涨跌对预测,虽然不抱很大期望,权当练习了。I5 + RTX 2060 + 16G内存
盖盖的博客8 个月前
阿里云·天池大赛·预测·特征优化·高阶数据探索
阿里云安全恶意程序检测(速通二)分析连续数值变量和连续数值变量之间的关系,是为了探索变量之间的全局线性、局部 线性的关系等,常用方法: plt.scatter, sns.joinplot (kind= A), A = kde。