读完需要
速读仅需 2 分钟
请尊重原创劳动成果
转载请注明本文链接
及文章作者：机器学习之心
摘要：太无敌！时序卷积组合Transformer！TCN-Transformer多变量回归预测
1
购买后可加博主QQ1153460737咨询交流。注意：其他非官方渠道购买的盗版代码不含模型咨询交流服务，大家注意甄别，谢谢。
2
专栏目录
完整专栏扫描二维码：
3
%% 创建混合CNN-GRU网络架构% 输入特征维度numFeatures = size(inputn_train,1);% 输出类别数numClasses = 4;FiltZise = 10;% 创建"CNN-GRU"模型layers = [...% 输入特征sequenceInputLayer([numFeatures 1 1],'Name','input')sequenceFoldingLayer('Name','fold')% CNN特征提取convolution2dLayer([FiltZise 1],32,'Padding','same','WeightsInitializer','he','Name','conv','DilationFactor',1);batchNormalizationLayer('Name','bn')eluLayer('Name','elu')averagePooling2dLayer(1,'Stride',FiltZise,'Name','pool1')% 展开层sequenceUnfoldingLayer('Name','unfold')% 平滑层flattenLayer('Name','flatten')% GRU特征学习gruLayer(128,'Name','lstm1','RecurrentWeightsInitializer','He','InputWeightsInitializer','He')% 全连接层fullyConnectedLayer(numClasses,'Name','fc')classificationLayer('Name','cf')];layers = layerGraph(layers);layers = connectLayers(layers,'fold/miniBatchSize','unfold/miniBatchSize');%% CNNGRU训练选项% 批处理样本miniBatchSize =10;% 最大迭代次数MaxEpochs = 100;% 学习率learningrate = 0.005;% 一些参数调整if gpuDeviceCount>0mydevice = 'gpu';elsemydevice = 'cpu';endoptions = trainingOptions( 'adam', ...'MaxEpochs',100, ...'MiniBatchSize',miniBatchSize,...'GradientThreshold',1, ...'InitialLearnRate',learningrate, ...'LearnRateSchedule','piecewise', ...'LearnRateDropPeriod',20, ...'LearnRateDropFactor',0.8, ...'L2Regularization',1e-3,...'Verbose',false, ...'ExecutionEnvironment',mydevice,...'Plots','training-progress');%% 训练混合网络% rng(0);% 训练CNNGRUnet = trainNetwork(XrTrain,YrTrain,layers,options);————————————————版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。原文链接：https://blog.csdn.net/kjm13182345320/article/details/143222060
4
嗯，细心的你会发现：https://mbd.pub/o/slowtrain/work
博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析。科研课题模型定制/横向项目模型仿真/职称学术论文辅导/模型程序讲解均可联系本人唯一QQ1153460737（其他均为盗版，注意甄别）
技术交流群：购买博主任意代码或分享博主博文到任意三方平台后即可添加博主QQ进群
