MATLAB实现PSO-BiLSTM粒子群优化长短期记忆神经网络多输入回归预测(完整源码和数据) 数据为多输入回归数据,输入7个特征,输出1个变量。 运行环境MATLAB2018b及以上,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。
MATLAB实现CNN-GRU卷积门控循环单元时间序列预测(完整源码和数据) 卷积门控循环单元时间序列预测,数据为单变量时间序列数据,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。 运行环境MATLAB2020b及以上,运行主程序即可。
应用图神经网络而不是视觉卷积的优势,一个带有图层的类似U-Net的模型。进一步将现有的图形操作专业化,使其对地理拓扑结构敏感,并将池化和上采样操作概括为适用于图形。 (完整源码和数据
2022-11-22 11:25:24 20.28MB 图卷积 U-Net 交通流量 交通流量和速度
1
图卷积网络 | PyTorch实现图卷积网络(GCN、GAT、Chebnet)的交通流量预测 > 交通流量预测。图卷积网络(GCN、GAT、Chebnet)的实现 用PyTorch实现 > > 要求 > > - Pytorch > > - Numpy > > - Pandas > > - Matplotlib > > 数据集实例: > > 这些数据集由加州交通局性能测量系统(PEMS-04)收集。 > > 数量:307个检测器 > 特点:流量、占用、速度。 > > 探测数据分析。 > > 1.有三个特征:流量、占有率和速度。首先,我们对数据分布进行可视化分析 > > 2.运行代码:python data_view.py > > 3.每个节点(检测器)都有三个特征,但两个特征的数据分布基本上是静止的,所以我们只取第一维特征。 > > 读取数据集。 > > 在traffic_dataset.py文件中,get_adjacent_matrix和get_flow_data函数是用来读取相邻矩阵和流量数据。 > > 模型训练。 > > 在traffic_predi
2022-11-21 15:26:58 39.65MB 图卷积网络 交通流量预测 GCN GAT
1
MATLAB实现CNN卷积神经网络多输入多输出预测(完整源码和数据) 数据为多输入多输出预测,输入10个特征,输出3个变量,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。
MATLAB实现PSO-GRU粒子群优化门控循环单元多输入回归预测(完整源码和数据) 数据为多输入回归数据,输入7个特征,输出1个变量。 运行环境MATLAB2020b及以上。
MATLAB实现TCN时间卷积神经网络多输入回归预测(完整源码和数据) 数据为多输入回归数据,输入7个特征,输出1个变量,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。 运行环境MATLAB2021b及以上。
MATLAB实现PCA-LSTM主成分降维结合长短期记忆神经网络多输入回归预测(完整源码和数据) 数据为多输入回归数据,输入12个特征,输出1个变量。 运行环境MATLAB2018b及以上。
MATLAB实现CNN-LSTM卷积长短期记忆神经网络多特征分类预测(完整源码和数据) 数据为多特征分类数据,输入15个特征,分四类,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。 运行环境MATLAB2020b及以上。
MATLAB实现CNN-BiLSTM卷积双向长短期记忆神经网络多特征分类预测(完整源码和数据) 数据为多特征分类数据,输入15个特征,分四类,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。 运行环境MATLAB2020b及以上。