帝国做的网站深圳白帽优化

多输入多输出 | Matlab实现PSO-LSTM粒子群优化长短期记忆神经网络多输入多输出预测

预测效果

基本介绍

Matlab实现PSO-LSTM粒子群优化长短期记忆神经网络多输入多输出预测（完整源码和数据）
1.data为数据集，输入10个特征，输出3个变量。
2.main.m为程序主文件，其他为函数文件无需运行。
3.命令窗口输出MBE、MAE、RMSE、R^2和MAPE，可在下载区获取数据和程序内容。
4.粒子群优化参数为学习率、隐藏层单元数和正则化参数。
注意程序和数据放在一个文件夹，运行环境为Matlab2018及以上。

程序设计

• 完整源码和数据获取方式：私信博主回复Matlab实现PSO-LSTM粒子群优化长短期记忆神经网络多输入多输出预测。

%%  数据平铺
%   将数据平铺成1维数据只是一种处理方式
%   也可以平铺成2维数据，以及3维数据，需要修改对应模型结构
%   但是应该始终和输入层数据结构保持一致
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 )';
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------%%  参数设置
options = trainingOptions('adam', ...      % ADAM 梯度下降算法'MiniBatchSize', 30, ...               % 批大小,每次训练样本个数30'MaxEpochs', 100, ...                  % 最大训练次数 100'InitialLearnRate', 1e-2, ...          % 初始学习率为0.01'LearnRateSchedule', 'piecewise', ...  % 学习率下降'LearnRateDropFactor', 0.5, ...        % 学习率下降因子'LearnRateDropPeriod', 50, ...         % 经过100次训练后 学习率为 0.01 * 0.5'Shuffle', 'every-epoch', ...          % 每次训练打乱数据集'Plots', 'training-progress', ...      % 画出曲线'Verbose', false);

参考资料

[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