gru-attention

机器学习之心10 个月前
adaboost·attention·数据分类预测·gru-attention·门控循环单元融合注意力机制
分类预测 | Matlab实现GRU-Attention-Adaboost基于门控循环单元融合注意力机制的Adaboost数据分类预测/故障识别1.Matlab实现GRU-Attention-Adaboost基于门控循环单元融合注意力机制的Adaboost数据分类预测/故障识别。 2.自带数据,多输入,单输出,多分类。图很多、混淆矩阵图、预测效果图等等 3.直接替换数据即可使用,保证程序可正常运行。运行环境MATLAB2023及以上。 4.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1 年前
门控循环单元·多特征分类预测·粒子群算法优化·pso-gru·融合注意力机制·pso-gru-att·gru-attention
分类预测 | Matlab实现PSO-GRU-Attention粒子群算法优化门控循环单元融合注意力机制多特征分类预测1.Matlab实现PSO-GRU-Attention粒子群算法优化门控循环单元融合注意力机制多特征分类预测,运行环境Matlab2023b及以上; 2.优化参数为:学习率,隐含层节点,正则化参数。 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matlab,程序可出分类效果图,迭代优化图,混淆矩阵图; 4.data为数据集,输入12个特征,分四类;main为主程序,其余为函数文件,无需运行,可在下载区获取数据和程序内容。
机器学习之心1 年前
门控循环单元·多变量时间序列预测·粒子群优化·融合注意力机制·pso-gru-att·gru-attention
多维时序 | MATLAB实现PSO-GRU-Attention粒子群优化门控循环单元融合注意力机制的多变量时间序列预测MATLAB实现PSO-GRU-Attention粒子群优化门控循环单元融合注意力机制的多变量时间序列预测