企业官网建设流程全解析

浙江建设局网站,Wordpress网站收录不高,长垣县住房和城乡建设局网站,网页制作与网站建设...区间预测 | MATLAB实现LSTM长短期记忆神经网络分位数回归多输入单输出 目录 区间预测 | MATLAB实现LSTM长短期记忆神经网络分位数回归多输入单输出 基本介绍 模型描述 程序设计 参考资料 基本介绍 分位数回归是简单的回归，就像普通的最小二乘法一样，但不是最小化平方误差的总…区间预测 | MATLAB实现LSTM长短期记忆神经网络分位数回归多输入单输出目录区间预测 | MATLAB实现LSTM长短期记忆神经网络分位数回归多输入单输出基本介绍模型描述程序设计参考资料基本介绍分位数回归是简单的回归，就像普通的最小二乘法一样，但不是最小化平方误差的总和，而是最小化从所选分位数切点产生的绝对误差之和。如果 q=0.50（中位数），那么分位数回归会出现一个特殊情况 - 最小绝对误差（因为中位数是中心分位数）。我们可以通过调整超参数 q，选择一个适合平衡特定于需要解决问题的误报和漏报的阈值。模型描述LSTM 通过记忆单元和门控机制巧妙保留了长短期记忆，其单元基本架构如图1 所示。LSTM 单元由遗忘门、输入门和输出门组成，遗忘门控制历史信息被遗忘的程度，输入门控制接受新信息的程度，输出门则决定最终输出的信息。并行式训练，当分位点设置较多时，LSTM 对大型数据集训练耗时较多，因此本文采用神经网络的数据并行式训练方法提高训练效率。数据并行式训练通过GPU (graphics processing unit)分布式计算实现，将训练集均等分为多个子集，分配到计算系统的各个节点，每个计算节点负责处理该数据集的一个不同子集，从而减少训练时间。程序设计%