如何使用LSTM和CNN处理回归问题?
143(30天)
显示旧的评论
嗨,大家好!
我工作在一个太阳能发电预测问题。网络的输入某些meteological数据,和太阳能输出多个时间序列曲线。我想建立一个神经网络结合LSTM和CNN实现这个函数。我建立一个网络没有错误是这样的:
layers1 = […
sequenceInputLayer ([25 168 1),“名字”,“输入”)% 25的数量特征meteological数据的维度,和168年是时间序列的长度
sequenceFoldingLayer (“名字”,“折”)
convolution2dLayer (5、1“填充”,“相同”,“WeightsInitializer”,“他”,“BiasInitializer”,“零”,“名字”,“conv”);
reluLayer (“名字”,“relu”)
sequenceUnfoldingLayer (“名字”,“展开”)
flattenLayer (“名字”,“平”)
gruLayer (512“OutputMode”,“序列”,“名字”,“格勒乌”)
fullyConnectedLayer (25,“名字”,“取得”)
regressionLayer (“名字”,“输出”)
];
lgraph = layerGraph (layers1);
lgraph = connectLayers (lgraph,“折/ miniBatchSize”,“展开/ miniBatchSize”);
analyzeNetwork (lgraph);
然而,flattenLayer毁坏时间序列,不能完成培训。
因此,关于这个问题有什么解决方案吗?或者还有其他正确的网络可以实现相同的功能?
提前感谢你的时间,请帮助!
答案(3)
H桑切斯
2021年4月30日
谁正在寻找一个CNN-RNN
我已经创建了一个简单的模板为混合动力车cnn-rnn时间序列预测。
//www.tatmou.com/matlabcentral/fileexchange/91360-time-series-forecasting-using-hybrid-cnn-rnn
阿布Nejatian
2020年12月10日
编辑:KSSV
2022年8月7日
亲爱的Gupta,
我写了一个预测代码使用cnn和LSTM来预测未来值。
请访问我的Mathworks页面,
5个评论
伊莫拉Fodor
2022年3月3日
有什么变化我们需要实时预测?我开发了一个回归模型(sysid) 1 dcnn + LSTM 1500步伐,它工作得很好,但当500年给一个输入执行严重. .我认为这个模型需要完整的输入序列表现良好,这不是我所需要的东西