回归预测 | MATLAB实现Group-CNN分组卷积神经网络多输入单输出回归预测

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

⛄ 内容介绍

一种用于交通流量预测的卷积神经网络多点回归预测模型,包括如下步骤:第一感知输入层,第二卷积层:对输入层数据进行卷积,通过激活函数后输出;多层卷积层:对上一层的输出作为输入进行卷积处理,通过激活函数后输出;第四全链接层,第五丢弃层:"随机丢弃层"舍弃一些冗余的神经元,保留上层全链接节点的40%70%,第六输出层:丢弃层的有效节点输出进行回归计算,得到的回归数值就是整个网络的输出,共设置m个输出节点,即将全链接层映射到输出层,作权重组合.相比传统的统计回归模型,具有数据空间关联的特征提取能力,具有局部感知野和权值共享的优势,使得在时间复杂度和特征选择上具有更好的平衡.

⛄ 部分代码

function [X_equal,Y_equal] = ROS(Xdata,Ydata,duplication_factor)

%Equalize output (Ydata) distribution using random oversampling:

[Ydata_counts, Ydata_bins] = histcounts(Ydata);

Ydata_max_count = max(Ydata_counts);

Ydata_max_count_ratio = floor(Ydata_max_count*(1./Ydata_counts));

Ydata_max_count_ratio = Ydata_max_count*(1./Ydata_counts);

Ydata_max_count_ratio_norm = Ydata_max_count_ratio/sum(Ydata_max_count_ratio);

for i = 1:numel(Ydata)

    Ydata_bins_temp = Ydata_bins(1:end-1);

    Ydata_bins_temp(Ydata_bins_temp > Ydata(i)) = 0;

    [~,Ydata_bin_idx] = max(Ydata_bins_temp);

    Ydata_prob(i,1) = Ydata_max_count_ratio_norm(Ydata_bin_idx);

end

ROS_selection = randsample(numel(Ydata),numel(Ydata)*duplication_factor,true,Ydata_prob(:,1));

Y_equal = Ydata(ROS_selection);

X_equal = Xdata(:,:,:,ROS_selection);

%For testing, to view original and randomly oversampled input histogram:

%{

figure()

histogram(Ydata,Ydata_bins)

xlabel('RBC content (%)')

ylabel('Count')

figure()

histogram(Y_equal,Ydata_bins)

xlabel('RBC content (%)')

ylabel('Count')

%}

⛄ 运行结果

⛄ 参考文献

[1] 王得道, 王森荣, 林超,等. 基于CNN-LSTM融合神经网络的CRTSⅡ型轨道板温度预测方法[J]. 铁道学报, 2023, 45(2):8.

[2] 陶砚蕴, 沈智威, 王翔,等. 用于交通流量预测的卷积神经网络多点回归预测模型:, CN108830430A[P]. 2018.

[3] 赵辉, 杨赛, 岳有军,等. 基于小波分解-卷积神经网络和支持向量回归的短期负荷预测[J]. 科学技术与工程, 2021, 21(25):7.

[4] 门计林, 刘越岩, 张斌,等. 多结构卷积神经网络特征级联的高分影像土地利用分类[J]. 武汉大学学报：信息科学版, 2019, 44(12):8.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料