承德网站建设方案,新吴区住房和城乡建设部网站,韩国设计app网站有哪些,淘宝店招图片大全免费多维时序 | MATLAB实现GWO-GRU灰狼算法优化门控循环单元的多变量时间序列预测 目录 多维时序 | MATLAB实现GWO-GRU灰狼算法优化门控循环单元的多变量时间序列预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 MATLAB实现基于GWO-GRU灰狼算法优化门控循环单元的多变量时…多维时序 | MATLAB实现GWO-GRU灰狼算法优化门控循环单元的多变量时间序列预测 目录 多维时序 | MATLAB实现GWO-GRU灰狼算法优化门控循环单元的多变量时间序列预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 MATLAB实现基于GWO-GRU灰狼算法优化门控循环单元的多变量时间序列预测完整程序和数据 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.excel数据方便替换 5.运行环境Matlab2018b及以上 6.输出R2、MAE、MBE等评价指标 7.优化学习率隐藏层节点正则化系数。 注意程序和数据放在一个文件夹运行环境为Matlab2021b及以上。 程序设计
完整程序和数据获取方式1同等价值程序兑换完整程序和数据获取方式2(资源处下载)MATLAB实现GWO-GRU灰狼算法优化门控循环单元的多变量时间序列预测获取。 dropoutLayer(0.25,Name,drop2)% 全连接层fullyConnectedLayer(numResponses,Name,fc)regressionLayer(Name,output) ];layers layerGraph(layers);layers connectLayers(layers,fold/miniBatchSize,unfold/miniBatchSize);
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 训练选项
if gpuDeviceCount0mydevice gpu;
elsemydevice cpu;
endoptions trainingOptions(adam, ...MaxEpochs,MaxEpochs, ...MiniBatchSize,MiniBatchSize, ...GradientThreshold,1, ...InitialLearnRate,learningrate, ...LearnRateSchedule,piecewise, ...LearnRateDropPeriod,56, ...LearnRateDropFactor,0.25, ...L2Regularization,1e-3,...GradientDecayFactor,0.95,...Verbose,false, ...Shuffle,every-epoch,...ExecutionEnvironment,mydevice,...Plots,training-progress);
%% 模型训练
rng(0);
net trainNetwork(XrTrain,YrTrain,layers,options);
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 测试数据预测
% 测试集预测
YPred predict(net,XrTest,ExecutionEnvironment,mydevice,MiniBatchSize,numFeatures);
YPred YPred;
% 数据反归一化
YPred sig.*YPred mu;
YTest sig.*YTest mu;
————————————————
版权声明本文为CSDN博主「机器学习之心」的原创文章遵循CC 4.0 BY-SA版权协议转载请附上原文出处链接及本声明。参考资料 [1] http://t.csdn.cn/pCWSp [2] https://download.csdn.net/download/kjm13182345320/87568090?spm1001.2014.3001.5501 [3] https://blog.csdn.net/kjm13182345320/article/details/129433463?spm1001.2014.3001.5501
