回归预测 | MATLAB实现GRU(门控循环单元)多输入单输出
GRU基本介绍
GRU神经网络是LSTM神经网络的一种变体,LSTM 神经网
络是在RNN的基础上发展起来的。RNN是一种成熟的机器学习方法,在处理时序数列方面具有着很大优势。RNN中包含信号反馈结构,能将t时刻的输出信息与t时刻之前的信息相关联,具有动态特征和记忆功能。
- RNN结构包括输入层、隐藏层和输出层,其中隐藏层包含反馈结构;
- t时刻的输出值是该时刻及其之前时刻的输入信息共同作用的结果;
- RNN能够有效地分析和处理较短的时序数列,但不能分析和处理维
度过长的时序数列,否则会产生“梯度消失”或“梯度爆炸”的现象。 - 针对这一问题,H等提出了一种RNN改进结构LSTM神经网络,其隐藏层结构如图示。
- LSTM神经网络基于隐藏层中的记忆单元(遗忘门、输入门和输出门)实现时序上的记忆可控,改善了RNN长期记忆力不足的问题,但其隐藏层的结构过于复杂,样本训