【bayes-Transformer-BILSTM多维时序预测】bayes-Transformer-BILSTM多变量时间序列预测,基于bayes-Transformer-LSTM多变量输入模型。ma
·

%% 从主函数中获取训练数据
trainD = evalin('base', 'trainD');
targetD = evalin('base', 'targetD');
ps_output = evalin('base', 'ps_output');
T_train = evalin('base', 'T_train');
or_dim= evalin('base', 'or_dim');
n_out = evalin('base', 'n_out');
%% 优化算法优化前,构建优化前的TCN模型
numChannels = or_dim;
maxPosition = 256*2;
numHeads = 4;
numKeyChannels = numHeads*32;
layers = [
sequenceInputLayer(numChannels,Name="input")
positionEmbeddingLayer(numChannels,maxPosition,Name="pos-emb");
additionLayer(2, Name="add")
智能算法及其模型预测
DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐

所有评论(0)