企业官网建设流程全解析

北京市建设中心网站,西安市城乡建设管理局网站的公示栏6,常见的网络营销方法,2022年新闻摘抄十条WOA-CNN-BiLSTM-Attention鲸鱼算法优化卷积-长短期记忆神经网络结合注意力机制的数据回归预测 Matlab语言 1.多变量单输出#xff0c;回归预测也可以替换为时间序列单列预测#xff0c;BiLSTM也可换成GRU或LSTM#xff08;选择一种#xff09;。 Matlab版本要在2020B以上。…WOA-CNN-BiLSTM-Attention鲸鱼算法优化卷积-长短期记忆神经网络结合注意力机制的数据回归预测 Matlab语言 1.多变量单输出回归预测也可以替换为时间序列单列预测BiLSTM也可换成GRU或LSTM选择一种。 Matlab版本要在2020B以上。 优化的参数为学习率隐藏层节点数 正则化参数。 评价指标包括:R2、MAE、RMSE和MAPE等图很多出图结果如图所示可完全满足您的需求 2.鲸鱼优化算法也可以替换成其他算法比如麻雀、鹈鹕、蜣螂等等也可定制改进 3.直接替换Excel数据即可用适合新手小白 4.附赠测试数据如图2所示可直接运行在数据预测领域融合多种算法的模型往往能展现出卓越的性能。今天咱们就来聊聊 “WOA - CNN - BiLSTM - Attention鲸鱼算法优化卷积 - 长短期记忆神经网络结合注意力机制的数据回归预测”用的是 Matlab 语言哦而且 Matlab 版本得在 2020B 以上。多变量单输出与模型变体这个项目主打多变量单输出既可以做回归预测也能轻松切换为时间序列单列预测。模型中的 BiLSTM 可不是唯一选择GRU 或者 LSTM 也能挑一挑。咱就以 LSTM 为例展开讲讲。在 Matlab 里构建 LSTM 层可以这样写代码numHiddenUnits 100; % 隐藏层节点数这是要优化的参数之一 layers [... sequenceInputLayer(inputSize) lstmLayer(numHiddenUnits) fullyConnectedLayer(outputSize) regressionLayer];这里呢sequenceInputLayer负责接收输入序列inputSize就是输入数据的特征维度。lstmLayer搭建起了 LSTM 网络层numHiddenUnits就是隐藏层节点数啦它的取值对模型性能影响不小所以是咱们要优化的参数。fullyConnectedLayer全连接层把 LSTM 的输出映射到输出维度outputSize就是预测的目标维度这里因为是单输出所以outputSize一般为 1 。最后regressionLayer用于回归预测任务。优化参数那些事儿优化的参数主要有学习率、隐藏层节点数还有正则化参数。就拿学习率来说它决定了模型在训练过程中每次参数更新的步长。学习率太大模型可能错过最优解直接飞过学习率太小训练速度又会超级慢。在 Matlab 训练模型时设置学习率的代码示例options trainingOptions(adam,... InitialLearnRate,0.001,... % 初始学习率0.001是个常见取值实际要优化 MaxEpochs,100,... GradientThreshold,1,... Verbose,0,... Plots,training-progress);这里用的是adam优化器InitialLearnRate设置了初始学习率为 0.001 。但在实际应用中这个值得通过优化算法来找到最合适的。评价指标面面观评价模型效果得看几个关键指标像 R2、MAE、RMSE 和 MAPE 等。R2 指标衡量的是模型对数据的拟合优度取值范围在 0 到 1 之间越接近 1 说明模型拟合得越好。MAE平均绝对误差计算的是预测值与真实值误差绝对值的平均值它能直观反映预测值的平均误差大小。RMSE均方根误差是误差平方和的平均值再开方相比 MAE 它对较大误差更敏感。MAPE平均绝对百分比误差以百分比的形式展示预测误差能更好地体现误差在真实值中的占比。在 Matlab 里计算这些指标的代码大概像这样% 假设 yPred 是预测值yTest 是真实值 r2Value 1 - sum((yTest - yPred).^2)/sum((yTest - mean(yTest)).^2); maeValue mean(abs(yTest - yPred)); rmseValue sqrt(mean((yTest - yPred).^2)); mapeValue mean(abs((yTest - yPred)./yTest)) * 100;优化算法的多样选择鲸鱼优化算法不是唯一的选择哦麻雀、鹈鹕、蜣螂等等优化算法都能替换上来甚至还能定制改进。要是换成麻雀搜索算法它模拟了麻雀觅食和反捕食的行为。简单来说麻雀在寻找食物的过程中一部分是发现者负责大范围搜索食物另一部分是追随者跟着发现者找吃的同时还有麻雀负责观察危险。通过这些行为的迭代不断优化搜索空间找到最优解。虽然 Matlab 里没有自带麻雀搜索算法的函数但网上有不少开源实现可以借鉴改改就能用在咱们的模型参数优化上。新手小白友好的操作这个项目对新手小白很友好哦直接替换 Excel 数据就能用。附赠的测试数据就像图 2 那样拿过来直接运行就行。假设数据存放在data.xlsx文件里读取数据的 Matlab 代码如下data readtable(data.xlsx); inputData table2array(data(:,1:end - 1)); % 假设最后一列是目标值 targetData table2array(data(:,end));这样就轻松把数据读进来划分好输入和目标数据啦。总之这个基于 Matlab 的 WOA - CNN - BiLSTM - Attention 数据回归预测模型无论是从模型变体、参数优化还是数据处理和算法选择上都有很大的灵活性和可操作性不管你是新手小白想入门还是老手想折腾点新花样都能玩出不少乐趣呢。