0
点赞
收藏
分享

微信扫一扫

分类预测 | MATLAB实现BO-BiLSTM贝叶斯优化双向长短期记忆神经网络多特征分类预测


分类预测 | MATLAB实现BO-BiLSTM贝叶斯优化双向长短期记忆神经网络多特征分类预测


目录

  • 分类预测 | MATLAB实现BO-BiLSTM贝叶斯优化双向长短期记忆神经网络多特征分类预测
  • 分类效果
  • 基本介绍
  • 模型描述
  • 程序设计
  • 参考资料


分类效果

分类预测 | MATLAB实现BO-BiLSTM贝叶斯优化双向长短期记忆神经网络多特征分类预测_多特征分类预测


分类预测 | MATLAB实现BO-BiLSTM贝叶斯优化双向长短期记忆神经网络多特征分类预测_贝叶斯优化_02


分类预测 | MATLAB实现BO-BiLSTM贝叶斯优化双向长短期记忆神经网络多特征分类预测_双向长短期记忆神经网络_03


分类预测 | MATLAB实现BO-BiLSTM贝叶斯优化双向长短期记忆神经网络多特征分类预测_多特征分类预测_04

基本介绍

MATLAB实现BO-BiLSTM贝叶斯优化双向长短期记忆神经网络多特征分类预测。建立了基于双向长短期记忆神经网络的辨识模型。利用模拟器获取操纵数据并建立数据集,模型经过训练后,能够有效利用数据的时序特征,成功识别不同状态,模型的识别准确率到达96%左右。

模型描述

贝叶斯优化(Bayesian optimization algorithm,简称BOA)利用之前已搜索点的信息确定下一个搜索点,用于求解维数不高的黑盒优化问题。算法的思路是首先生成一个初始候选解集合,然后根据这些点寻找下一个有可能是极值的点,将该点加入集合中,重复这一步骤,直至迭代终止。最后从这些点中找出极值点作为问题的解。MATLAB实现BO-BiLSTM贝叶斯优化双向长短期记忆神经网络多特征分类预测。建立了基于双向长短期记忆神经网络的辨识模型。贝叶斯优化参数为隐藏层节点、初始学习率、正则化系数。

程序设计

  • 完整程序和数据资源处下载:MATLAB实现BO-BiLSTM贝叶斯优化双向长短期记忆神经网络多特征分类预测。

%%  创建网络
layers = [ ...
  sequenceInputLayer(num_dim)                  % 输入层
  bilstmLayer(NumOfUnits, 'OutputMode', 'last')% BiLSTM层
  reluLayer                                    % Relu激活层
  fullyConnectedLayer(num_class)               % 全连接层
  softmaxLayer                                 % 损失函数层
  classificationLayer];                        % 分类层

% 参数设置
options = trainingOptions('adam', ...                 % 优化算法Adam
    'MaxEpochs', 800, ...                             % 最大训练次数
    'GradientThreshold', 1, ...                       % 梯度阈值
    'InitialLearnRate', InitialLearnRate, ...         % 初始学习率
    'LearnRateSchedule', 'piecewise', ...             % 学习率调整
    'LearnRateDropPeriod', 700, ...                   % 训练700次后开始调整学习率
    'LearnRateDropFactor',0.2, ...                    % 学习率调整因子
    'L2Regularization', L2Regularization, ...         % 正则化参数
    'ExecutionEnvironment', 'cpu',...                 % 训练环境
    'Verbose', 0, ...                                 % 关闭优化过程
    'Plots', 'training-progress');                    % 画出曲线

%%  训练
net = trainNetwork(p_train, t_train, layers, options);

举报

相关推荐

0 条评论