多輸入多輸出 | Matlab實現CPO-LSTM冠豪豬算法優化長短期記憶神經網絡多輸入多輸出預測

預測效果

基本介紹

Matlab實現CPO-LSTM冠豪豬算法優化長短期記憶神經網絡多輸入多輸出預測（完整源碼和數據）
1.data為數據集，輸入10個特征，輸出3個變量。
2.main.m為程序主文件，其他為函數文件無需運行。
3.命令窗口輸出MBE、MAE、RMSE、R^2和MAPE，可在下載區獲取數據和程序內容。
4.優化參數為學習率、隱藏層單元數和正則化參數。
注意程序和數據放在一個文件夾，運行環境為Matlab2018及以上。

程序設計

• 完整源碼和數據獲取方式：私信博主回復Matlab實現CPO-LSTM冠豪豬算法優化長短期記憶神經網絡多輸入多輸出預測測。

%%  數據平鋪
%   將數據平鋪成1維數據只是一種處理方式
%   也可以平鋪成2維數據，以及3維數據，需要修改對應模型結構
%   但是應該始終和輸入層數據結構保持一致
p_train =  double(reshape(P_train, 10, 1, 1, M));
p_test  =  double(reshape(P_test , 10, 1, 1, N));
t_train =  double(T_train)';
t_test  =  double(T_test )';
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------%%  參數設置
options = trainingOptions('adam', ...      % ADAM 梯度下降算法'MiniBatchSize', 30, ...               % 批大小,每次訓練樣本個數30'MaxEpochs', 100, ...                  % 最大訓練次數 100'InitialLearnRate', 1e-2, ...          % 初始學習率為0.01'LearnRateSchedule', 'piecewise', ...  % 學習率下降'LearnRateDropFactor', 0.5, ...        % 學習率下降因子'LearnRateDropPeriod', 50, ...         % 經過100次訓練后 學習率為 0.01 * 0.5'Shuffle', 'every-epoch', ...          % 每次訓練打亂數據集'Plots', 'training-progress', ...      % 畫出曲線'Verbose', false);

參考資料

[1] https://blog.csdn.net/kjm13182345320/category_11003178.html?spm=1001.2014.3001.5482
[2] https://blog.csdn.net/kjm13182345320/article/details/117378431
[3] https://blog.csdn.net/kjm13182345320/article/details/118253644