分类预测 | MATLAB实现BiGRU双向门控循环单元多特征分类预测

分类预测 | MATLAB实现BiGRU双向门控循环单元多特征分类预测

分类效果

基本介绍

MATLAB实现BiGRU双向门控循环单元多特征分类预测，运行环境Matlab2020b及以上。门控循环神经网络（gated recurrent neural network）的提出，正是为了更好地捕捉时间序列中时间步距离较大的依赖关系。它通过可以学习的门来控制信息的流动。其中，门控循环单元（gated recurrent unit，GRU）是一种常用的门控循环神经网络 。

程序设计

• 完整源码和数据私信博主获取或同等价值程序兑换获取。

%% 构建GRU网络
inputSize = 15;       %特征的维度
numHiddenUnits = 100; %GRU网路包含的隐藏单元数目
numClasses = 4;       %类别数
%--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
layers = [ ...
    sequenceInputLayer(inputSize)
    gruLayer(numHiddenUnits,'OutputMode','last')
    fullyConnectedLayer(numClasses)
    softmaxLayer
    classificationLayer];
%--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
maxEpochs = 200;   %最大训练周期数
miniBatchSize = 10;%批处理  
%--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
options = trainingOptions('adam', ...
    'ExecutionEnvironment','cpu', ...
    'MaxEpochs',maxEpochs, ...
    'MiniBatchSize',miniBatchSize, ...
    'GradientThreshold',1, ...
    'Verbose',false, ...
    'Plots','training-progress');
————————————————
版权声明：本文为CSDN博主「机器学习之心」的原创文章，遵循CC 4.0 BY-S

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/126805601
[2] https://blog.csdn.net/kjm13182345320/article/details/128172453