bilstm-adaboost

机器学习之心1 年前
bilstm-adaboost·abkde·自适应带宽核密度估计·多变量回归区间预测·集成双向长短期记忆网络
区间预测 | Matlab实现BiLSTM-Adaboost-ABKDE的集成双向长短期记忆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BiLSTM-Adaboost-ABKDE的集成学习双向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) 2.BiLSTM-Adaboost-ABKDE的集成学习双向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(点预测+概率预测+核密度估计) Matlab语言 3.多变量单输出,包括点预测+概率预测+核密度估计曲线,MatlabR2021a及以上版本运行,提供多种置信区间!评价指标包括R2、MAE、RMSE、MAPE、区间覆盖率
机器学习之心1 年前
adaboost·时间序列预测·bilstm-adaboost·双向长短期记忆网络
时序预测 | MATLAB实现基于BiLSTM-AdaBoost双向长短期记忆网络结合AdaBoost时间序列预测1.Matlab实现BiLSTM-Adaboost时间序列预测,双向长短期记忆神经网络结合AdaBoost时间序列预测(风电功率预测); 2.运行环境为Matlab2020b; 3.data为数据集,excel数据,单变量时间序列数据,BiLSTM_AdaboostTS.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、MAE、MAPE、RMSE多指标评价;
机器学习之心1 年前
bilstm·多变量时间序列预测·bilstm-adaboost
多维时序 | Matlab实现BiLSTM-Adaboost和BiLSTM多变量时间序列预测对比多维时序 | Matlab实现BiLSTM-Adaboost和BiLSTM多变量时间序列预测对比Matlab实现BiLSTM-Adaboost和BiLSTM多变量时间序列预测对比(完整程序和数据) 1.输入多个特征,输出单个变量; 2.考虑历史特征的影响,多变量时间序列预测; 4.csv数据,方便替换; 5.运行环境Matlab2018b及以上; 6.输出误差对比图。