多输入多输出 | Matlab实现GA-CNN遗传算法优化卷积神经网络多输入多输出预测

预测效果

基本介绍

Matlab实现GA-CNN遗传算法优化卷积神经网络多输入多输出预测（完整源码和数据）
1.data为数据集，输入10个特征，输出3个变量。
2.main.m为程序主文件，其他为函数文件无需运行。
3.命令窗口输出MBE、MAE、RMSE、R^2和MAPE，可在下载区获取数据和程序内容。
4.优化参数为学习率、批处理样本大小和正则化参数。
注意程序和数据放在一个文件夹，运行环境为Matlab2018及以上。

程序设计

• 完整源码和数据获取方式：私信博主回复Matlab实现GA-CNN遗传算法优化卷积神经网络多输入多输出预测。

%%  参数设置
% ----------------------  修改模型参数时需对应修改fical.m中的模型参数  --------------------------
options = trainingOptions('adam', ...           % Adam 梯度下降算法'MaxEpochs', 300, ...                  % 最大训练次数 'MiniBatchSize',best_MiniBatchSize, ...%批大小，每次调整参数前所选取的样本数量'InitialLearnRate', best_lr, ...       % 初始学习率 best_lr'LearnRateSchedule', 'piecewise', ...  % 学习率下降'LearnRateDropFactor', 0.5, ...        % 学习率下降因子 0.1'LearnRateDropPeriod', 200, ...        % 经过训练后 学习率为 best_lr * 0.5'Shuffle', 'every-epoch', ...          % 每次训练打乱数据集'ValidationPatience', Inf, ...         % 关闭验证'L2Regularization', best_l2, ...       % 正则化参数'Plots', 'training-progress', ...      % 画出曲线'Verbose', false);%%  训练模型
net = trainNetwork(p_train, t_train, layers, options);%%  仿真验证
t_sim1 = predict(net, p_train);
t_sim2 = predict(net, p_test );%%  数据反归一化
T_sim1 = mapminmax('reverse', t_sim1', ps_output);
T_sim2 = mapminmax('reverse', t_sim2', ps_output);

参考资料

[1] https://blog.csdn.net/kjm13182345320/category_11003178.html?spm=1001.2014.3001.5482
[2] https://blog.csdn.net/kjm13182345320/article/details/117378431
[3] https://blog.csdn.net/kjm13182345320/article/details/118253644