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、