鹈鹕算法优化

机器学习之心7 个月前
时间卷积双向门控循环单元·鹈鹕算法优化·注意力机制·多变量时间序列预测·poa-tcn-bigru
SCI一区 | Matlab实现POA-TCN-BiGRU-Attention鹈鹕算法优化时间卷积双向门控循环单元注意力机制多变量时间序列预测1.Matlab实现POA-TCN-BiGRU-Attention鹈鹕算法优化时间卷积双向门控循环单元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9 个月前
bp神经网络·鹈鹕算法优化·多变量回归预测·poa-bp
回归预测 | Matlab实现POA-BP鹈鹕算法优化BP神经网络多变量回归预测1.Matlab实现POA-BP鹈鹕算法优化BP神经网络多变量回归预测(完整源码和数据) 2.Matlab实现POA-BP鹈鹕算法优化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1 年前
鹈鹕算法优化·cnn-svm·卷积神经网络-支持向量机·多变量回归预测·poa-cnn-svm·poa
回归预测 | Matlab实现POA-CNN-SVM鹈鹕算法优化卷积神经网络-支持向量机多变量回归预测1.POA-CNN-SVM鹈鹕算法优化卷积神经网络-支持向量机的多变量回归预测 可直接运行Matlab; 2.评价指标包括: R2、MAE、RMSE和MAPE等,代码质量极高,方便学习和替换数据。要求2021版本及以上。 3.鹈鹕算法POA优化的参数为:CNN的批处理大小、学习率、正则化系数,能够避免人工选取参数的盲目性,有效提高其预测精度。 4.main.m为主程序,其他为函数文件,无需运行,data为数据,多输入单输出,数据回归预测,输入7个特征,输出1个变量,直接替换Excel数据即可用!注释清晰,
机器学习之心1 年前
卷积长短期记忆神经网络·poa-cnn-lstm·cnn-lstm·鹈鹕算法优化·时间序列预测
时序预测 | MATLAB实现POA-CNN-LSTM鹈鹕算法优化卷积长短期记忆神经网络时间序列预测MATLAB实现POA-CNN-LSTM鹈鹕算法优化卷积长短期记忆神经网络时间序列预测(完整源码和数据) 1.MATLAB实现POA-CNN-LSTM鹈鹕算法优化卷积长短期记忆神经网络时间序列预测(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.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·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·卷积长短期记忆神经网络·poa-cnn-lstm·cnn-lstm·鹈鹕算法优化
回归预测 | MATLAB实现POA-CNN-LSTM鹈鹕算法优化卷积长短期记忆神经网络多输入单输出回归预测MATLAB实现POA-CNN-LSTM鹈鹕算法优化卷积长短期记忆神经网络多输入单输出回归预测(完整源码和数据) 1.MATLAB实现POA-CNN-LSTM鹈鹕算法优化卷积长短期记忆神经网络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。