cnn-gru-att

机器学习之心6 个月前
attention·cnn-gru-att·se注意力机制·ssa-cnn-gru·多变量回归预测
回归预测 | MATLAB实现SSA-CNN-GRU-Attention多变量回归预测（SE注意力机制）1.Matlab实现SSA-CNN-GRU-Attention麻雀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.麻雀算法优化学习率，隐藏层节点，正则化系数；### 模型描述 注意力机制模块： SEBlock（Squeeze-and-Excitation Bloc
机器学习之心8 个月前
attention·时间序列预测·woa-cnn-gru·cnn-gru-att·se注意力机制·woa-cnn-gru-att
时序预测 | MATLAB实现WOA-CNN-GRU-Attention时间序列预测（SE注意力机制）1.MATLAB实现WOA-CNN-GRU-Attention时间序列预测（SE注意力机制）,鲸鱼优化卷积门控循环单元注意力时间序列预测； 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和MBE多指标评价； 5.鲸鱼算法优化学习率，隐藏层节点，正则化系数；
机器学习之心8 个月前
attention·cnn-gru·数据分类预测·cnn-gru-att·se注意力机制·1024程序员节·ssa-cnn-gru-att
分类预测 | MATLAB实现SSA-CNN-GRU-Attention数据分类预测（SE注意力机制）1.MATLAB实现SSA-CNN-GRU-Attention数据分类预测（SE注意力机制），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）、SE注意力机制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、正则化系数、隐藏层节点，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
机器学习之心9 个月前
attention·多变量时间序列预测·cnn-gru-att·ssa-cnn-gru-att·ssa-cnn-gru
多维时序 | MATLAB实现SSA-CNN-GRU-Attention多变量时间序列预测（SE注意力机制）1.MATLAB实现SSA-CNN-GRU-Attention多变量时间序列预测（SE注意力机制）； 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，考虑历史特征的影响，多变量时间序列预测， 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和MBE多指标评价； 5.麻雀算法优化学习率，隐藏层节点，正则化系数；
机器学习之心9 个月前
cnn-gru-att·多输入多输出预测·se注意力机制·卷积神经网络-门控循环单元
多输入多输出 | MATLAB实现CNN-GRU-Attention卷积神经网络-门控循环单元结合SE注意力机制的多输入多输出预测多输入多输出 | MATLAB实现CNN-GRU-Attention卷积神经网络-门控循环单元结合SE注意力机制的多输入多输出预测 注释清晰 Matlab语言 1.CNN-GRU-Attention多输出回归预测，多输入多输出 ， matlab需要2020b及以上版本 评价指标包括:R2、MAE等，效果如图所示，代码质量极高～ 2.直接替换数据即可用，适合新手小白～ 3.附赠案例数据，如图所示，实际使用中3个、4个输出均可 直接运行main即可一键出图～
机器学习之心1 年前
attention·cnn-gru·多变量时间序列预测·woa-cnn-gru·cnn-gru-att
多维时序 | MATLAB实现WOA-CNN-GRU-Attention多变量时间序列预测MATLAB实现WOA-CNN-GRU-Attention多变量时间序列预测，WOA-CNN-GRU-Attention结合注意力机制多变量时间序列预测。