【LSTM分类】基于白鲸算法优化双向长短期记忆神经网络的数据分类预测附matlab代码 BWO-BiLSTM

✅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。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

白鲸优化算法（Beluga whale optimization，BWO）由Changting Zhong等人于2022年提出，该算法模拟了白鲸游泳，觅食和“鲸鱼坠落”行为。

在本文中，提出了一种新的基于群体的元启发式算法，其灵感来自白鲸的行为，称为白鲸优化 (BWO)，以解决优化问题。BWO中建立了探索、开发和鲸落三个阶段，分别对应成对游泳、猎物和落鲸的行为。BWO中的平衡因子和鲸落概率具有自适应性，对控制探索和开发能力起着重要作用。此外，还引入了 Levy 飞行以增强开发阶段的全局收敛性。使用 30 个基准函数测试了所提出的 BWO 的有效性，并进行了定性、定量和可扩展性分析，并将统计结果与其他 15 种元启发式算法进行了比较。根据结果和讨论，BWO是解决单峰和多峰优化问题的竞争算法，通过弗里德曼排名测试，BWO在比较的元启发式算法中基准函数的可扩展性分析中的整体排名第一。最后，四个工程问题展示了 BWO 在解决复杂的现实世界优化问题中的优点和潜力。

⛄ 部分代码

function Positions=initialization(SearchAgents_no, dim, ub, lb)

%%  边界数目

Boundary_no= size(ub, 2);

%%  变量数目等于1

if Boundary_no == 1

    Positions = rand(SearchAgents_no, dim) .* (ub - lb) + lb;

end

%% 如果每个变量有不同的上下界

if Boundary_no > 1

    for i = 1 : dim

        ub_i = ub(i);

        lb_i = lb(i);

        Positions(:, i) = rand(SearchAgents_no, 1) .* (ub_i - lb_i) + lb_i;

    end

end

⛄ 运行结果

⛄ 参考文献

[1] 刘俊, 曹俊兴, 丁蔚楠,等. 基于双向长短期记忆神经网络的储层孔隙度预测方法研究[J]. 地球物理学进展, 2022, 37(5):8.

[2] 李若晨, 肖人彬. 基于改进狼群算法优化LSTM网络的舆情演化预测.

[3] 廖经真. 基于深度学习的短文本情感分析[D]. 江西财经大学.

[4] 朱彬如, 万相奎, 金志尧,等. 运用双向长短期记忆模型的心拍分类算法[J]. 华侨大学学报:自然科学版, 2021.

[5] 张文华. 基于深度学习的入侵检测系统的设计与实现.

⛳️ 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