卷积门控循环单元

机器学习之心7 个月前
attention·卷积门控循环单元·鱼鹰算法优化·注意力机制多变量回归预测·ooa-cnn-gru
高创新 | Matlab实现OOA-CNN-GRU-Attention鱼鹰算法优化卷积门控循环单元注意力机制多变量回归预测1.Matlab实现OOA-CNN-GRU-Attention鱼鹰算法优化卷积门控循环单元注意力机制多变量回归预测； 2.运行环境为Matlab2021b； 3.data为数据集，excel数据，输入多个特征，输出单个变量，多变量回归预测； 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、MAE、MAPE多指标评价； 5.鱼鹰算法优化学习率，隐藏层节点，正则化系数； 6.注意力机制模块： SEBlock（Squeeze-and-Excitation Block）是一
机器学习之心10 个月前
adaboost·cnn-gru·卷积门控循环单元·时间序列预测·cnn-gru-ada
时序预测 | MATLAB实现基于CNN-GRU-AdaBoost卷积门控循环单元结合AdaBoost时间序列预测1.MATLAB实现基于CNN-GRU-AdaBoost卷积门控循环单元结合AdaBoost时间序列预测（风电功率预测）； 2.运行环境为Matlab2021b； 3.data为数据集，excel数据，单变量时间序列数据，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、MAPE、MSE、RMSE、RPD多指标评价；
机器学习之心10 个月前
attention·cnn-gru·卷积门控循环单元·多变量时间序列预测·mutilhead·融合多头注意力机制
多维时序 | Matlab实现CNN-GRU-Mutilhead-Attention卷积门控循环单元融合多头注意力机制多变量时间序列预测Matlab实现CNN-GRU-Mutilhead-Attention卷积门控循环单元融合多头注意力机制多变量时间序列预测 1.data为数据集，格式为excel，4个输入特征，1个输出特征，考虑历史特征的影响，多变量时间序列预测； 2.main.m为主程序文件，运行即可； 3.命令窗口输出R2、MAE、MAPE、MSE和MBE，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Matlab2023a及以上。 CNN卷积核大小：卷积核大小决定了CNN网络的感受野，即每个卷积层可以捕获
机器学习之心1 年前
cnn-gru·卷积门控循环单元·时间序列预测·麻雀算法优化·ssa-cnn-gru
时序预测 | Matlab实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测Matlab实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测（完整源码和数据) 1.Matlab实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测（完整源码和数据) 2.输入输出单个变量，时间序列预测预测； 3.多指标评价，评价指标包括：R2、MAE、MSE、RMSE等，代码质量极高； 4.麻雀算法优化参数为：学习率，隐含层节点，正则化参数； 5.excel数据，方便替换，运行环境2020及以上。
机器学习之心1 年前
cnn-gru·卷积门控循环单元·数据分类预测·ssa·麻雀算法优化·1024程序员节·ssa-cnn-gru
分类预测 | MATLAB实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元数据分类预测1.MATLAB实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元数据分类预测，运行环境Matlab2021b及以上； 2.基于麻雀优化算法（SSA）、卷积神经网络（CNN）和门控循环单元（GRU）的数据分类预测程序； 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；SSA优化算法优化学习率，隐藏层节点，正则化系数，这3个关键参数。 程序语言为matlab，程序可出分类效果图，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，
机器学习之心1 年前
koa·cnn-gru·卷积门控循环单元·数据分类预测·开普勒算法优化·koa-cnn-gru
分类预测 | MATLAB实现KOA-CNN-GRU开普勒算法优化卷积门控循环单元数据分类预测1.MATLAB实现KOA-CNN-GRU开普勒算法优化卷积门控循环单元数据数据分类预测，多特征输入模型，运行环境Matlab2021b及以上； 2.基于开普勒算法(KOA)优化卷积门控循环单元(CNN-GRU)分类预测。 2023年新算法，KOA-CNN-GRU开普勒算法优化卷积门控循环单元数据分类预测，MATLAB程序，多变量特征输入，优化了学习率、卷积核大小及隐藏层单元个数等，方便增加维度优化自它参数。 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mat
机器学习之心1 年前
cnn-gru·卷积门控循环单元·时间序列预测·风电功率预测
时序预测 | MATLAB实现CNN-GRU卷积门控循环单元时间序列预测（风电功率预测）1.时序预测 | MATLAB实现CNN-GRU卷积门控循环单元时间序列预测（风电功率预测）； 2.运行环境为Matlab2021b； 3.单个变量时间序列预测； 4.data为数据集，单个变量excel数据，MainCNN_GRUTS.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R2、MSE、RMSE、MAE、MAPE多指标评价；
机器学习之心1 年前
cnn-gru·卷积门控循环单元·时间序列预测
时序预测 | MATLAB实现基于CNN-GRU卷积门控循环单元的时间序列预测-递归预测未来(多指标评价)MATLAB实现基于CNN-GRU卷积门控循环单元的时间序列预测-递归预测未来(多指标评价) 1.MATLAB实现基于CNN-GRU卷积门控循环单元的时间序列预测-递归预测未来(多指标评价)； 2.运行环境Matlab2020及以上，data为数据集，单变量时间序列预测； 3.递归预测未来数据，可以控制预测未来大小的数目，适合循环性、周期性数据预测； 4.命令窗口输出R2、MAE、MAPE、MBE、MSE等评价指标；
机器学习之心1 年前
鲸鱼算法优化·cnn-gru·卷积门控循环单元·时间序列预测·woa-cnn-gru
时序预测 | MATLAB实现WOA-CNN-GRU鲸鱼算法优化卷积门控循环单元时间序列预测时序预测 | MATLAB实现WOA-CNN-GRU鲸鱼算法优化卷积门控循环单元时间序列预测，运行环境Matlab2020b及以上。优化正则化率、学习率、隐藏层单元数。 1.MATLAB实现WOA-CNN-GRU鲸鱼算法优化卷积门控循环单元时间序列预测 2.单变量时间序列预测； 3.多指标评价，评价指标包括：R2、MAE、MSE、RMSE等，代码质量极高； 4.鲸鱼算法优化参数为：学习率，隐含层节点，正则化参数； 5.excel数据，方便替换，运行环境2020及以上。
机器学习之心1 年前
多输入单输出回归预测·cnn-gru·卷积门控循环单元·鹈鹕算法优化·poa-cnn-gru
回归预测 | MATLAB实现POA-CNN-GRU鹈鹕算法优化卷积门控循环单元多输入单输出回归预测MATLAB实现POA-CNN-GRU鹈鹕算法优化卷积门控循环单元多输入单输出回归预测（完整源码和数据) 1.MATLAB实现POA-CNN-GRU鹈鹕算法优化卷积门控循环单元多输入单输出回归预测（完整源码和数据) 2.输入多个特征，输出单个变量，多输入单输出回归预测； 3.多指标评价，评价指标包括：R2、MAE、MSE、RMSE等，代码质量极高； 4.鹈鹕算法优化参数为：学习率，隐含层节点，正则化参数； 5.excel数据，方便替换，运行环境2020及以上。
机器学习之心1 年前
多输入单输出回归预测·蛇群算法优化·so-cnn-gru·cnn-gru·卷积门控循环单元
回归预测 | MATLAB实现SO-CNN-GRU蛇群算法优化卷积门控循环单元多输入单输出回归预测MATLAB实现SO-CNN-GRU蛇群算法优化卷积门控循环单元多输入单输出回归预测（完整源码和数据) 1.MATLAB实现SO-CNN-GRU蛇群算法优化卷积门控循环单元多输入单输出回归预测（完整源码和数据) 2.输入多个特征，输出单个变量，多输入单输出回归预测； 3.多指标评价，评价指标包括：R2、MAE、MSE、RMSE等，代码质量极高； 4.蛇群算法优化参数为：学习率，隐含层节点，正则化参数； 5.excel数据，方便替换，运行环境2020及以上。