卷积双向门控循环单元

机器学习之心

区间预测 | Matlab实现QRCNN-BiGRU-Attention分位数回归卷积双向门控循环单元注意力机制时序区间预测1.Matlab实现QRCNN-BiGRU-Attention分位数回归卷积双向门控循环单元注意力机制时序区间预测；

机器学习之心

多维时序 | Matlab实现CNN-BiGRU-Mutilhead-Attention卷积双向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-BiGRU-Mutilhead-Attention卷积双向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

机器学习之心

分类预测 | MATLAB实现SSA-CNN-BiGRU麻雀算法优化卷积双向门控循环单元数据分类预测1.MATLAB实现SSA-CNN-BiGRU麻雀算法优化卷积双向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）和双向门控循环单元（BiGRU）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，

机器学习之心

分类预测 | MATLAB实现KOA-CNN-BiGRU开普勒算法优化卷积双向门控循环单元数据分类预测1.MATLAB实现KOA-CNN-BiGRU开普勒算法优化卷积双向门控循环单元数据分类预测，多特征输入模型，运行环境Matlab2021b及以上； 2.基于开普勒算法(KOA)优化卷积双向门控循环单元(CNN-BiGRU)分类预测。 2023年新算法，KOA-CNN-BiGRU开普勒算法优化卷积双向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

机器学习之心

多输入多输出 | MATLAB实现CNN-BiGRU卷积双向门控循环单元多输入多输出MATLAB实现CNN-BiGRU卷积双向门控循环单元多输入多输出，运行环境Matlab2020及以上。采用特征融合的方法,通过卷积网络提取出浅层特征与深层特征并进行联接,对特征通过卷积进行融合,将获得的矢量信息输入BiGRU单元。 Matlab实现CNN-BiGRU卷积双向门控循环单元多输入多输出预测 1.data为数据集，10个输入特征，3个输出变量。 2.MainCNN_BiGRUNM.m为主程序文件，运行环境Matlab2020b及以上。 3.命令窗口输出MAE、MBE和R2，可在下载区获取数据和

机器学习之心

时序预测 | MATLAB实现CNN-BiGRU卷积双向门控循环单元时间序列预测1.MATLAB实现CNN-BiGRU卷积双向门控循环单元时间序列预测； 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_BiGRUTS.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

时序预测 | Matlab实现SO-CNN-BiGRU蛇群算法优化卷积双向门控循环单元时间序列预测时序预测 | Matlab实现SO-CNN-BiGRU蛇群算法优化卷积双向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SO-CNN-BiGRU蛇群算法优化卷积双向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

时序预测 | MATLAB实现WOA-CNN-BiGRU鲸鱼算法优化卷积双向门控循环单元时间序列预测时序预测 | MATLAB实现WOA-CNN-BiGRU鲸鱼算法优化卷积双向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-BiGRU鲸鱼算法优化卷积双向门控循环单元多输入单输出时间序列预测 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

分类预测 | MATLAB实现CNN-BiGRU-Attention多输入分类预测Matlab实现CNN-BiGRU-Attention多特征分类预测，卷积双向门控循环单元结合注意力机制分类预测。 1.data为数据集，格式为excel，12个输入特征，输出4类标签； 2.MainCNN_BiGRU_AttentionNC.m为主程序文件，运行即可； 3.可视化展示分类准确率，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Matlab2020b及以上。

机器学习之心

时序预测 | MATLAB实现基于CNN-BiGRU卷积双向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-BiGRU卷积双向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-BiGRU卷积双向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；