回归预测 | MATLAB实现Bayes-LSTM(贝叶斯优化长短期记忆神经网络)多输入单输出

基本介绍

本次运行测试环境MATLAB2018b；
本次预测基本任务是回归，多变量输入，单变量输出；
主要研究问题不限于交通预测、负荷预测、气象预测、经济预测等。
Bayes-LSTM多变量输入单变量输出，贝叶斯优化长短期记忆神经网络，具体介绍如下。

模型介绍

Bayes模型

贝叶斯优化(Bayesian optimization,简称BO)是一种有效的解决方法.
贝叶斯优化在不同的领域也称作序贯克里金优化(sequential Kriging optimization,简称SKO)、基于模型的序贯优化(sequential model-based optimization,简称SMBO)、高效全局优化(efficient global optimization,简称EGO).

该方法是一种基于模型的序贯优化(即,在一次评估之后才进行下一次评估)方法,能够在很少的评估代价下得到一个近似最优解.贝叶斯优化已经应用于网页、游戏和材料设计、推荐系统、用户界面交互、机器人步态、导航和嵌入式学习系统、环境监控、组合优化、自动机器学习、传感器网络等领域,展示出令人瞩目的发展前景.

概率模型已经成为当前人工智能、机器人学、机器学习等领域的主流方法.机器能够根据概率框架预测未来数据,并且根据预测数据给出决策.这些问题的主要难点在于观测值具有不确定性,而概率模型能够对不确定性进行建模,有效地解决观测噪声问题.Ghahramani 指出,贝叶斯优化是在概率机器学习和人工智能领域中几种最先进、最有希望的技术。

贝叶斯优化框架有两个关键部分:(1) 使用概率模型代理原始评估代价高昂的复杂目标函数;(2) 利用代理模型的后验信息构造主动选择策略,即采集函数.在实际应用中,需要针对具体问题选择合适的模型.

LSTM模型

长短时记忆网络（LSTM）是循环神经网络（RNN）的进阶版，专门用来解决一般RNM 的长期依赖问题。LSTM改进的地方在于其增加了三种门和一个记忆单元，可以通过所谓“门”的精细结构向细胞状态添加或移除信息。

Bayes-LSTM模型

由于机器学习的广泛应用，许多现代机器学习算法都包含大量超参数。为有效使用这些算法，需定义适当的超参数值，但神经网络的参数大多数都是手工修改。因此，贝叶斯优化逐渐被用来微调神经网络的超参数。同时会有费时、过拟合的缺点，对此，Ｈ提出了Ｄropout的概念，减弱了神经元节点间的联合适应性，增强了泛化能力。基于贝叶斯的Ｄropout优化算法的步骤如下。

程序设计

%% 变量初始化
opt.learningMethod      = 'LSTM';
%% 参数定义
%最大迭代次数
opt.maxEpochs     = 10;
%批处理大小
opt.miniBatchSize = 16;
%执行环境： 'cpu' 'gpu' 'auto'
opt.executionEnvironment = 'cpu';
%优化算法： 'sgdm' 'rmsprop' 'adam'
opt.LR                   = 'adam';
%训练进程： 'training-progress' 'none'
opt.trainingProgress     = 'none';  % 优化参数设定
opt.isUseOptimizer           = true;
opt.MaxOptimizationTime      = 14*60*60;
opt.MaxItrationNumber        = 10;
opt.isDispOptimizationLog    = true;
%参数保存设定
opt.isSaveOptimizedValue     = false;
opt.isSaveBestOptimizedValue = true;       % 贝叶斯数据导入
data.X  = inputn;
data.Y  = outputn;% 数据划分
data.XTr   = [];
data.YTr   = [];
data.XTs   = [];
data.YTs   = [];%% 基于贝叶斯寻找最佳LSTM参数
%  超参数运行
if opt.isDispOptimizationLogisLog = 2;
elseisLog = 0;
end

完整程序私信博主。

预测效果

Matlab实现BayesLSTM多变量回归预测
1.wata为数据集，7个输入特征，1个输出特征。
2.BayesLSTMNN.m为主程序文件，运行即可，ObjFcn为函数文件无需运行。
3.命令窗口输出MAPE和RMSE，可在下载区获取数据和程序内容。
注意程序和数据放在一个文件夹，运行环境为Matlab2018及以上。

致谢

大家的支持是我写作的动力!
感谢大家订阅，感谢，记得备注！

回归预测 | MATLAB实现Bayes-LSTM(贝叶斯优化长短期记忆神经网络)多输入单输出相关推荐

回归预测 | MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络多输入单输出回归预测
回归预测 | MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络多输入单输出回归预测目录回归预测 | MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络多输入单输出回归预测 ...
回归预测 | MATLAB实现WOA-LSTM鲸鱼算法优化长短期记忆神经网络多输入单输出回归预测
回归预测 | MATLAB实现WOA-LSTM鲸鱼算法优化长短期记忆神经网络多输入单输出回归预测目录回归预测 | MATLAB实现WOA-LSTM鲸鱼算法优化长短期记忆神经网络多输入单输出回归预测 ...
多维时序 | MATLAB实现TPA-LSTM(时间注意力注意力机制长短期记忆神经网络)多输入单输出
多维时序 | MATLAB实现TPA-LSTM(时间注意力注意力机制长短期记忆神经网络)多输入单输出目录多维时序 | MATLAB实现TPA-LSTM(时间注意力注意力机制长短期记忆神经网络)多输 ...
回归预测 | MATLAB实现SSA-BiLSTM麻雀算法优化双向长短期记忆神经网络多输入单输出
回归预测 | MATLAB实现SSA-BiLSTM麻雀算法优化双向长短期记忆神经网络多输入单输出目录回归预测 | MATLAB实现SSA-BiLSTM麻雀算法优化双向长短期记忆神经网络多输入单输出 ...
回归预测 | MATLAB实现WOA-BiLSTM鲸鱼算法优化双向长短期记忆神经网络多输入单输出回归预测
回归预测 | MATLAB实现WOA-BiLSTM鲸鱼算法优化双向长短期记忆神经网络多输入单输出回归预测目录回归预测 | MATLAB实现WOA-BiLSTM鲸鱼算法优化双向长短期记忆神经网络多输 ...
回归预测 | MATLAB实现GWO-BiLSTM灰狼算法优化双向长短期记忆神经网络多输入单输出回归预测
回归预测 | MATLAB实现GWO-BiLSTM灰狼算法优化双向长短期记忆神经网络多输入单输出回归预测目录回归预测 | MATLAB实现GWO-BiLSTM灰狼算法优化双向长短期记忆神经网络多输 ...
回归预测 | MATLAB实现CNN-LSTM卷积长短期记忆神经网络多输入单输出
回归预测 | MATLAB实现CNN-LSTM(卷积长短期记忆神经网络)多输入单输出目录回归预测 | MATLAB实现CNN-LSTM(卷积长短期记忆神经网络)多输入单输出基本介绍模型背景 C ...
回归预测 | MATLAB实现PLS(偏最小二乘法)和PCR(主成分回归)多输入单输出
回归预测 | MATLAB实现PLS(偏最小二乘法)和PCR(主成分回归)多输入单输出目录回归预测 | MATLAB实现PLS(偏最小二乘法)和PCR(主成分回归)多输入单输出预测效果基本介绍 ...
回归预测 | MATLAB实现PSO-GCNN粒子群算法优化分组卷积神经网络的数据多输入单输出回归预测
回归预测 | MATLAB实现PSO-GCNN粒子群算法优化分组卷积神经网络的数据多输入单输出回归预测目录回归预测 | MATLAB实现PSO-GCNN粒子群算法优化分组卷积神经网络的数据多输入单 ...

回归预测 | MATLAB实现Bayes-LSTM(贝叶斯优化长短期记忆神经网络)多输入单输出

回归预测 | MATLAB实现Bayes-LSTM(贝叶斯优化长短期记忆神经网络)多输入单输出

目录

基本介绍

模型介绍

Bayes模型

LSTM模型

Bayes-LSTM模型

程序设计

预测效果

致谢

回归预测 | MATLAB实现Bayes-LSTM(贝叶斯优化长短期记忆神经网络)多输入单输出相关推荐

最新文章

热门文章