时序预测 | MATLAB实现贝叶斯优化CNN-BiLSTM时间序列预测(股票价格预测)

时序预测 | MATLAB实现贝叶斯优化CNN-BiLSTM时间序列预测(股票价格预测)

效果一览

基本介绍

MATLAB实现贝叶斯优化CNN-BiLSTM(卷积长短期记忆神经网络)时间序列预测，Bayes-CNN-LSTM模型股票价格预测/BO-CNN-LSTM模型股票价格预测。

模型结构

• LSTM模块

• CNN-BiLSTM模块

程序架构

• 伪代码
  
• 在对 CNN-BiLSTM 使用贝叶斯优化时，不同的参数组合的 CNN-BiLSTM 作为自变量，平均误差(MAE)作为贝叶斯框架的输出y。
• 通过调整优化算法调整模型参数，学习重复率和贝叶斯优化超参数来调整模型参数。

程序设计

• 完整程序获取方式：MATLAB实现贝叶斯优化CNN-BiLSTM时间序列预测(股票价格预测)。

% CNN-BiLSTM
        % 网络架构
        layers = [...
            % 输入层
            sequenceInputLayer([numFeatures 1 1],'Name','input')
            sequenceFoldingLayer('Name','fold')

            % 卷积层1
            convolution2dLayer(optVars.FilterSize1,optVars.NoFilter1,'Padding','same',...
            'WeightsInitializer','he','Name','conv1');
            % 激活函数
            eluLayer('Name','elu1')
            % 卷积层2
            convolution2dLayer(optVars.FilterSize2,optVars.NoFilter2,'Padding','same',...
            'WeightsInitializer','he','Name','conv2');
            % 激活函数
            eluLayer('Name','elu2')
            % 池化层
            maxPooling2dLayer(5,'Padding','same','Name','MPL')
            % 展开层
            sequenceUnfoldingLayer('Name','unfold')
            flattenLayer('Name','flatten')
            % BiLSTM层1
            bilstmLayer(128,'Name','lstm1','RecurrentWeightsInitializer','he')
            dropoutLayer(0.25,'Name','drop1')
            % BiLSTM层2
            bilstmLayer(64,'OutputMode',"last",'Name','lstm2',...
            'RecurrentWeightsInitializer','he')
            % 全连接层
            fullyConnectedLayer(1,'Name','fc')
            % 回归层
            regressionLayer('Name','output') ];

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/127313031?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/127626816?spm=1001.2014.3001.5502
[3] https://blog.csdn.net/kjm13182345320/article/details/127601808?spm=1001.2014.3001.5502

往期精彩

MATLAB实现贝叶斯优化CNN-LSTM时间序列预测(股票价格预测)
MATLAB实现基于Adam算法优化LSTM长短期记忆神经网络时间序列预测
MATLAB实现CNN-BiLSTM(卷积双向长短期记忆神经网络)时间序列预测