霜冰算法优化

机器学习之心

回归预测 | Matlab基于RIME-SVR霜冰算法优化支持向量机的数据多输入单输出回归预测1.Matlab基于RIME-SVR霜冰算法优化支持向量机的数据多输入单输出回归预测（完整源码和数据） 2.选择最佳的SVM核函数参数c和g; 3.多特征输入单输出的回归预测。程序内注释详细，excel数据，直接替换数据就可以用。 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，运行环境matlab2020b及以上。评价指标包括:R2、RPD、MSE、RMSE、MAE、MAPE等。 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

SCI一区 | Matlab实现RIME-TCN-BiGRU-Attention霜冰算法优化时间卷积双向门控循环单元融合注意力机制多变量时间序列预测1.基于RIME-TCN-BiGRU-Attention霜冰算法优化时间卷积双向门控循环单元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； 2.输入多个特征，输出单个变量，考虑历史特征的影响，多变量时间序列预测； 3.data为数据集，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、MAE、MAPE和RMSE多指标评价； 5.优化学习率，神经元个数，注意力机制的键值, 正则化参数。

机器学习之心

回归预测 | Matlab实现RIME-BP霜冰算法优化BP神经网络多变量回归预测1.Matlab实现RIME-BP霜冰算法优化BP神经网络多变量回归预测（完整源码和数据) 2.Matlab实现RIME-BP霜冰算法优化BP神经网络多变量回归预测； 3.数据集为excel，输入7个特征，输出1个变量，运行主程序main.m即可，其余为函数文件，无需运行； 4.优化参数为神经网络的权值和偏置，命令窗口输出RMSE、MAPE、MAE、R2等评价指标；运行环境Matlab2018b及以上. 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

2024美赛预测算法 | 回归预测 | Matlab基于RIME-LSSVM霜冰算法优化最小二乘支持向量机的数据多输入单输出回归预测Matlab基于RIME-LSSVM霜冰算法优化最小二乘支持向量机的数据多输入单输出回归预测（完整源码和数据） 1.data为数据集，输入6个特征，输出一个变量。 2.main.m为程序主文件，其余为函数文件无需运行。 3.霜冰算法优化最小二乘支持向量机,优化RBF核函数gam和sig。 4.注意程序和数据放在一个文件夹，运行环境为Matlab2018及以上. 5.命令窗口输出R2、MSE、MAE、MAPE和MBE多指标评价； 6.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; 7.

机器学习之心

回归预测 | Matlab实现RIME-HKELM霜冰算法优化混合核极限学习机多变量回归预测1.Matlab实现RIME-HKELM霜冰算法优化混合核极限学习机多变量回归预测（完整源码和数据） 2.运行环境为Matlab2021b； 3.excel数据集，输入多个特征，输出单个变量，多变量回归预测预测，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、MAE、 MBE、MAPE、 RMSE多指标评价；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。