1.Matlab实现TPA-LSTM Attention-LSTM多变量回归预测； 2.运行环境为Matlab2020b； 3.Train为训练集数据，Test为测试集数据，TPAMain.m为主程序，运行即可；其余m文件为子函数，无需运行,所有文件放在一个文件夹； 4.运行需要要GPU支持运算。 1. 使用Matlab实现了TPA-LSTM/Attention-LSTM多变量回归预测的算法。 2. 该算法在Matlab2020b环境下运行。 3. 程序包含了训练集数据（Train）、测试集数据（Test）以及一个主程序（TPAMain.m），只需运行主程序即可。其他的m文件是子函数，无需单独运行，建议将所有文件放在同一个文件夹中。 4. 运行该程序需要GPU支持进行计算。 涉及的 1. TPA-LSTM/Attention-LSTM：这是一种多变量回归预测的算法。TPA-LSTM（Temporal Pattern Attention-LSTM）和Attention-LSTM分别是基于LSTM（长短期记忆）模型的改进版本，用于处理时间序列数据并关注序列中的重要模式和特征。

通过matlab脚本将CAN通信协议Excel自动转换为dbc，经调试可以正常转换CanStandard（8字节）报文 含m文件，mlapp文件（GUI界面）和CAN通信协议excel模板 建议在matlab2021b及以上运行，低版本可能不兼容 学习了网上的其他大神写的代码，自己尝试写的 使用过程中若存在问题，欢迎沟通交流，相互学习

奇异谱分析的matlab程序（包括部分实验结果） my_ssa_pure.m 奇异谱分析滤波 ssa_period.m 奇异谱分析周期提取 ssa_trends.m 奇异谱分析趋势判定 ssa_interpolation3.m 奇异谱分析迭代插值 奇异谱分析的matlab程序（包括部分实验结果） my_ssa_pure.m 奇异谱分析滤波 ssa_period.m 奇异谱分析周期提取 ssa_trends.m 奇异谱分析趋势判定 ssa_interpolation3.m 奇异谱分析迭代插值 奇异谱分析的matlab程序（包括部分实验结果） my_ssa_pure.m 奇异谱分析滤波 ssa_period.m 奇异谱分析周期提取 ssa_trends.m 奇异谱分析趋势判定 ssa_interpolation3.m 奇异谱分析迭代插值 奇异谱分析的matlab程序（包括部分实验结果） my_ssa_pure.m 奇异谱分析滤波 ssa_period.m 奇异谱分析周期提取 ssa_trends.m 奇异谱分析趋势判定 ssa_interpolation3.m 奇异谱分析迭代插值

PRI变换法信号分选算法的matlab源码，可根据需求自行修改参数。 仿真程序的部分结果可见相关文章：PRI变换法信号分选算法原理及仿真程序【免费matlab源码，可自行修改参数】

基于卷积神经网络-长短期记忆网络结合注意力机制(CNN-LSTM-Attention)多变量时间序列预测，CNN-LSTM-Attention多维时间序列预测，多列变量输入模型。matlab代码，2020版本及以上。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

1. Matlab实现基于门控循环单元的数据回归预测（完整源码和数据) 2. 多变量输入，单变量输出，数据回归预测 3. 评价指标包括：R2、MAE、MSE、RMSE 4. 包括拟合效果图、预测误差图、预测结果图等等 5. Excel数据，暂无版本限制，推荐2018B及以上版本 6. 其他代码连接：https://docs.qq.com/sheet/DT1hWRkpoVVJ3TGZv?tab=BB08J2