长短期记忆神经网络

机器学习之心

多输入多输出 | Matlab实现TCN-LSTM时间卷积神经网络结合长短期记忆神经网络多输入多输出预测多输入多输出 | Matlab实现TCN-LSTM时间卷积神经网络结合长短期记忆神经网络多输入多输出预测，运行环境为Matlab2023及以上 1.data为数据集，输入多个特征，输出多个变量。 2.main.m为程序主文件，其他为函数文件无需运行。 3.命令窗口输出MBE、MAE、R^2，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Matlab2023及以上。

机器学习之心

区间预测 | Matlab实现LSTM-ABKDE长短期记忆神经网络自适应带宽核密度估计多变量回归区间预测1.Matlab实现LSTM-ABKDE长短期记忆神经网络结合自适应带宽核函数密度估计的多变量回归区间预测（完整源码和数据）

机器学习之心

LSTM-KDE的长短期记忆神经网络结合核密度估计多变量回归区间预测（Matlab）1.LSTM-KDE的长短期记忆神经网络结合核密度估计多变量回归区间预测（Matlab）。2.含点预测图、置信区间预测图、核密度估计图，区间预测(区间覆盖率PICP、区间平均宽度百分比PINAW),点预测多指标输出(MAE、RMSE、 MSE),多输入单输出。

机器学习之心

多维时序 | Matlab实现DBO-LSTM蜣螂算法优化长短期记忆神经网络多变量时间序列预测1.Matlab实现DBO-LSTM多变量时间序列预测，蜣螂算法优化长短期记忆神经网络；蜣螂算法优化LSTM的学习率，隐藏层节点，正则化系数； 2.运行环境为Matlab2018b； 3.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； 4.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； 5.命令窗口输出R2、MSE、MAE、MAPE和MBE多指标评价；

机器学习之心

分类预测 | Matlab实现RP-LSTM-Attention递归图优化长短期记忆神经网络注意力机制的数据分类预测【24年新算法】1.Matlab实现RP-LSTM-Attention递归图优化长短期记忆神经网络注意力机制的数据分类预测【24年新算法】（完整源码和数据) 2.自带数据，多输入，单输出，多分类。图很多，包括迭代曲线图、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

回归预测 | Matlab基于SO-LSTM蛇群算法优化长短期记忆神经网络的数据多输入单输出回归预测1.Matlab基于SO-LSTM蛇群算法优化长短期记忆神经网络的数据多输入单输出回归预测（完整源码和数据）； 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回归预测。程序内注释详细，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、MAE、MSE、RMSE和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

锂电池寿命预测 | Matlab基于LSTM长短期记忆神经网络的锂电池寿命预测锂电池寿命预测 | Matlab基于LSTM长短期记忆神经网络的锂电池寿命预测[1] http://t.csdn.cn/pCWSp [2] https://download.csdn.net/download/kjm13182345320/87568090?spm=1001.2014.3001.5501 [3] https://blog.csdn.net/kjm13182345320/article/details/129433463?spm=1001.2014.3001.5501

机器学习之心

多维时序 | Matlab实现GA-LSTM-Attention遗传算法优化长短期记忆神经网络融合注意力机制多变量时间序列预测多维时序 | Matlab实现GA-LSTM-Attention遗传算法优化长短期记忆神经网络融合注意力机制多变量时间序列预测。

机器学习之心

分类预测 | Matlab实现PSO-LSTM-Attention粒子群算法优化长短期记忆神经网络融合注意力机制多特征分类预测1.Matlab实现PSO-LSTM-Attention粒子群算法优化长短期记忆神经网络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

分类预测 | Matlab实现PSO-LSTM粒子群算法优化长短期记忆神经网络的数据多输入分类预测1.Matlab实现PSO-LSTM粒子群算法优化长短期记忆神经网络的数据多输入分类预测，运行环境Matlab2020b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

时序预测 | Matlab实现ARIMA-LSTM差分自回归移动差分自回归移动平均模型模型结合长短期记忆神经网络时间序列预测时序预测 | Matlab实现ARIMA-LSTM差分自回归移动差分自回归移动平均模型模型结合长短期记忆神经网络时间序列预测

机器学习之心

多输入多输出 | Matlab实现k-means-LSTM（k均值聚类结合长短期记忆神经网络）多输入多输出组合预测Matlab实现k-means-LSTM（k均值聚类结合长短期记忆神经网络）多输入多输出组合预测适合负荷预测、股票预测、价格预测等。

机器学习之心

时序预测 | Python实现ARIMA-LSTM自回归移动差分模型结合长短期记忆神经网络时间序列预测时序预测 | Python实现ARIMA-LSTM自回归移动差分模型结合长短期记忆神经网络时间序列预测直接替换数据即可用适合新手小白附赠案例数据可直接运行

机器学习之心

回归预测 | MATLAB实现IWOA-LSTM改进鲸鱼算法算法优化长短期记忆神经网络的数据回归预测（多指标，多图）MPA-BiGRU海洋捕食者算法优化双向门控循环单元的数据多变量回归/时间序列预测可直接运行 Matlab语言 1.多特征输入单输出，回归预测，优化参数为：学习率，隐藏层节点数，正则化参数。出图效果如图1所示，可完全满足您的需求～ 2.鲸鱼优化算法改进点如下：基于余弦函数非线性调整控制参数的策略，以协调算法探索和开发能力；随机选择个体与当前个体进行差分变异产生新个体以增强群体的多样性，减小陷入局部最优的概率。

机器学习之心

多维时序 | MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络的多变量时间序列预测MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络的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.GWO-LSTMNTS.m为主程序文件，运行即可； 3.命令窗口输出R2、MAE和MBE；注意程序和数据放在一个文件夹，运行环境为Matlab2021b及以上。

机器学习之心

时序预测 | MATLAB实现EEMD-LSTM、LSTM集合经验模态分解结合长短期记忆神经网络时间序列预测对比时序预测 | MATLAB实现EEMD-LSTM、LSTM集合经验模态分解结合长短期记忆神经网络时间序列预测对比。 1.MATLAB实现EEMD-LSTM、LSTM时间序列预测对比; 2.时间序列预测就是先eemd把原输入全分解变成很多维作为输入再输入LSTM预测 ; 3.运行环境Matlab2018b及以上，输出RMSE、MAPE、MAE等多指标对比，先运行main1_eemd_test，进行eemd分解；再运行main2_lstm、main3_eemd_lstm；再运行main4_compare