51CTO博客已为您找到关于PSO-GPR的相关内容,包含IT学习相关文档代码介绍、相关教程视频课程,以及PSO-GPR问答内容。更多PSO-GPR相关解答可以来51CTO博客参与分享和学习,帮助广大IT技术人实现成长和进步。
(3) 支持向量机回归(SVR)算法; (4) 高斯过程回归(GPR)算法; 3. 比较不同机器学习算法对GaN模型的建模效果,研究最适合GaN器件的机器学习建模方法。在机器学习算法的基础上开发出更高精度的GaN基器件的模型,实现基于物理结构模型所达不...
基于粒子群算法(PSO)优化高斯过程回归(PSO-GPR)的数据回归预测,matlab代码,多变量输入模型。 1453 -- 0:19 App 基于麻雀算法(SSA)优化卷积神经网络-长短期记忆网络(CNN-LSTM)回归预测,SSA-CNN-LSTM多输入单输出模型。 1233 -- 0:13 App 麻雀优化算法SSA-灰狼优化算法GWO-粒子群优化算法PSO-鲸鱼优化算法WOA-遗...
模型参数优化的不足,构建预测模型.以重构序列作为预测模型的训练集和测试集,实现短时交通流预测.采用北京市东四环快速路检测器实测数据对比分析模型预测效果.结果表明,基于PSR和PSO-GPR的短时交通流预测模型评价指标均优于对比模型,其中绝对误差平均降低4.88,绝对百分比误差平均降低3.97%,均等系数达到0.963,所研究模型...
针对该问题,利用MATLAB软件建立基于PSO–GPR(particle swarm optimization–Gaussian process regression...展开更多 The traditional prediction method of failure stress of pipeline with defects has the problem of large error.Aiming at this problem,the failure stress prediction model of pipeline with defects ...
基于PSO-GPR的短时高速公路交通量预测 作者:田甜; 田永宏粒子优化群算法高斯过程回归短时交通量预测 摘要:本文通过分析常用交通量预测算法的不足与缺陷,引入粒子群优化算法和高斯过程回归,重点研究了采用粒子群优化算法自动搜寻泛化性能最好的高斯过程回归超参数算法模型解决方案。通过建立交通量预测模型对某高速公路短时...
基于时间卷积网络-长短期记忆神经网络TCN-LSTM回归预测,TCN-LSTM多变量回归组合预测模型,多输入单输出模型。 289 -- 2:57 App 金豺算法(GJO)优化双向长短期记忆神经网络的数据分类预测,GJO-BiLSTM分类预测,多输入单输出。 1102 -- 0:50 App 基于粒子群算法(PSO)优化高斯过程回归(PSO-GPR)的数据回归预测,matl...
第三类是基于非线性系统理论的预测模型。如灰色模型、非参数回归模型，游中胜[8]、孙波军[10]等采用改进的灰色模型实现短时交通流预测；李巧茹[9]通过采用PSO 优化的高斯过程回归（GPR ）进行预测。第四类是组合预测模型。唐瑞[4]在进行交通流预测中引入了遗传算法，使用混合优化后的量子粒子算法对小波神经网络的...
PSO-GPR多变量时间序列预测模型及Matlab实现——基于粒子群优化高斯过程回归,基于PSO-GPR算法的粒子群优化与高斯过程回归协同框架的多变量时间序列预测及Matlab代码示例,基于粒子群优化算法优化高斯过程回归(PSO-GPR)的多变量时间序列预测 PSO-GPR多变量时间序列 matlab代码 注:暂无Matlab版本要求 -- 推荐 2018B 版本及...
PSO-GPR多变量时间序列预测模型及Matlab实现——基于粒子群优化高斯过程回归,基于PSO-GPR算法的粒子群优化与高斯过程回归协同框架的多变量时间序列预测及Matlab代码示例,基于粒子群优化算法优化高斯过程回归(PSO-GPR)的多变量时间序列预测 PSO-GPR多变量时间序列 matlab代码 注:暂无Matlab版本要求 -- 推荐 2018B 版本及...