pso-bilstm

机器学习之心1 年前
双向长短期记忆神经网络·多输入分类预测·pso-bilstm·粒子群算法优化
分类预测 | Matlab实现PSO-BiLSTM粒子群算法优化双向长短期记忆神经网络的数据多输入分类预测1.Matlab实现PSO-BiLSTM粒子群算法优化双向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1 年前
时间序列预测·bilstm·pso-bilstm·qpso-bilstm
时序预测 | MATLAB实现基于QPSO-BiLSTM、PSO-BiLSTM和BiLSTM时间序列预测1.Matlab实现QPSO-BiLSTM、PSO-BiLSTM和BiLSTM神经网络时间序列预测; 2.输入数据为单变量时间序列数据,即一维数据; 3.运行环境Matlab2020及以上,依次运行Main1BiLSTMTS、Main2PSOBiLSTMTS、Main3QPSOBiLSTMTS、Main4CDM即可,其余为函数文件无需运行,所有程序放在一个文件夹,data为数据集;BiLSTM(双向长短时记忆模型)与粒子群算法优化后的BiLSTM(PSOBiLSTM)以及量子粒子群算法优化后的BiLSTM
机器学习之心1 年前
时间序列预测·bilstm·pso-bilstm·pso
时序预测 | MATLAB实现基于PSO-BiLSTM、BiLSTM时间序列预测对比MATLAB实现基于PSO-BiLSTM、BiLSTM时间序列预测对比。 1.Matlab实现PSO-BiLSTM和BiLSTM神经网络时间序列预测; 2.输入数据为单变量时间序列数据,即一维数据; 3.运行环境Matlab2020及以上,依次运行Main1BiLSTMTS、Main2PSOBiLSTMTS、Main3CDM即可,其余为函数文件无需运行,所有程序放在一个文件夹,data为数据集; BiLSTM(双向长短时记忆模型)与粒子群算法优化后的BiLSTM(PSOBiLSTM)对比实验,可用于风电、