0
点赞
收藏
分享

微信扫一扫

多输入多输出 | MATLAB实现CNN-LSTM-Attention卷积神经网络-长短期记忆网络结合SE注意力机制的多输入多输出预测


多输入多输出 | MATLAB实现CNN-LSTM-Attention卷积神经网络-长短期记忆网络结合SE注意力机制的多输入多输出预测


目录

  • 多输入多输出 | MATLAB实现CNN-LSTM-Attention卷积神经网络-长短期记忆网络结合SE注意力机制的多输入多输出预测
  • 预测效果
  • 基本介绍
  • 程序设计
  • 往期精彩
  • 参考资料


预测效果

多输入多输出 | MATLAB实现CNN-LSTM-Attention卷积神经网络-长短期记忆网络结合SE注意力机制的多输入多输出预测_CNN-LSTM-Att


多输入多输出 | MATLAB实现CNN-LSTM-Attention卷积神经网络-长短期记忆网络结合SE注意力机制的多输入多输出预测_Attention_02


多输入多输出 | MATLAB实现CNN-LSTM-Attention卷积神经网络-长短期记忆网络结合SE注意力机制的多输入多输出预测_Attention_03


多输入多输出 | MATLAB实现CNN-LSTM-Attention卷积神经网络-长短期记忆网络结合SE注意力机制的多输入多输出预测_Attention_04

基本介绍

CNN-LSTM-Attention多输入多输出回归预测 基于卷积神经网络-长短期记忆网络结合SE注意力机制的多输入多输出预测 注释清晰 Matlab语言
1.CNN-LSTM-Attention多输出回归预测,多输入多输出 ,LSTM也可以替换成BiLSTM、GRU, matlab需要2020b及以上版本 评价指标包括:R2、MAE等,效果如图所示,代码质量极高~
2.直接替换数据即可用,适合新手小白~
3.附赠案例数据,如图2所示,实际使用中3个、4个输出均可 直接运行main即可一键出图~

程序设计

  • 完整程序和数据下载方式私信博主回复:CNN-LSTM-Attention卷积神经网络-长短期记忆网络结合SE注意力机制的多输入多输出预测

miniBatchSize = 32;

options = trainingOptions("adam", ...
    MaxEpochs=3, ...
    MiniBatchSize=miniBatchSize, ...
    InitialLearnRate=0.005, ...
    LearnRateDropPeriod=2, ...
    LearnRateSchedule="piecewise", ...
    L2Regularization=5e-4, ...
    SequencePaddingDirection="left", ...
    Shuffle="every-epoch", ...
    ValidationFrequency=floor(numel(featuresTrain)/miniBatchSize), ...
    ValidationData={featuresValidation,labelsValidation}, ...
    Verbose=false, ...
    Plots="training-progress");
net = trainNetwork(featuresTrain,labelsTrain,layers,options);    
function features = extractFeatures(X,afe)

features = log(extract(afe,X) + eps);
features = permute(features, [2 3 1]);
features = {features};

end

举报

相关推荐

0 条评论