热门
最新
红包
立Flag
投票
同城
我的
发布
《Matlab实现BP-KDE的BP神经网络结合核密度估计多变量时序区间预测》
时间序列数据的分析和预测是数据科学和机器学习中的重要研究课题之一，其在金融、经济、医疗、气象、工业等领域拥有广泛的应用前景。传统的时间序列预测方法，如SEATIMSEA（自回归积分滑动平均模型）和指数平滑法，虽然能够对线性趋势进行建模，但在处理复杂的非线性多变量时间序列时显得力不从心。随着人工智能的迅速发展，神经网络，尤其是BP（反向传播）神经网络，已成为非线性时间序列建模的热门工具。然而，BP神经网络在进行时间序列预测时，往往只能生成点预测结果，难以对预测的不确定性进行有效刻画。
——来自博客 https://blog.csdn.net/xiaoxingkongyuxi/article/details/144553206
你认为以下哪种算法更加有利于多输入单输出回归预测(多选)
0 人已经参与 已结束
遗传算法（GA）优化的（LSTM）
0人
北方苍鹰算法（NGO）优化双向长短期记忆网络（BiLSTM
0人
PSO-RBF和RBF粒子群优化算法优化径向基函数神经网络
0人
SO-CNN-BiLSTM
0人
POA-CNN-BiGRU鹈鹕算法优化卷积双向门控循环单元
0人
WOA-SVM鲸鱼算法优化支持向量机
0人
GA-APSO-IBP改进遗传-粒子群算法优化双层BP神经网
0人
SCN随机配置网络
0人
GAM广义加性模型
0人
CSO-SVM布谷鸟优化算法优化支持向量机
0人
CSDN App 扫码分享
评论
点赞
- 复制链接
- 举报
