【TCN回归预测】基于TCN时间卷积神经网络实现数据多输入回归预测附matlab代码

✅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

信号处理 图像处理 路径规划 元胞自动机 无人机  电力系统

⛄ 内容介绍

时间卷积网络(TemporalConvolutionalNetwork,TCN)是一种特殊的卷积神经网络(CNN).

① TCN结构中的卷积具有因果关系,如图3(a)所示,数据的传递是单向的,即每层的信息只依赖于之前层的信息。

② 传统卷积神经网络对时间的建模长度受限于卷积核的大小,需要堆叠较多层来抓取更长的依赖关系。

为解决该问题,如图3(b)所示,TCN采用膨胀卷积,即在因果卷积的基础上间隔采样输入。膨胀卷积使得输入信息量随层数的增加呈指数型增长,卷积网络就可以凭借较少的层来获得足够大的感受野。

⛄ 部分代码

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 

%%%%%%     This is a function to define the layers and parameters of the CNN    %%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

function [layers, options] = raceNetFun(inputSize, tbl, augmentedTestSet, ep)

layers = [

    imageInputLayer([inputSize 3])

    

    convolution2dLayer(11,4,'Padding','same')

    batchNormalizationLayer

    reluLayer

    

    maxPooling2dLayer(2,'Stride',2)

    

    convolution2dLayer(7,8,'Padding','same')

    batchNormalizationLayer

    reluLayer

    

    maxPooling2dLayer(2,'Stride',2)

    

    convolution2dLayer(5,16,'Padding','same')

    batchNormalizationLayer

    reluLayer

    

    maxPooling2dLayer(2,'Stride',2)

    

    convolution2dLayer(3,64,'Padding','same')

    batchNormalizationLayer

    reluLayer    

    fullyConnectedLayer(height(tbl))

    softmaxLayer

    classificationLayer];

options = trainingOptions('adam', ...

    'InitialLearnRate',1e-2, ...

    'LearnRateSchedule','piecewise', ...

    'LearnRateDropFactor',0.5, ...

    'LearnRateDropPeriod',5, ...

    'MaxEpochs',ep, ...

    'Shuffle','every-epoch', ...

    'ValidationData',augmentedTestSet, ...

    'ValidationFrequency',10, ...

    'MiniBatchSize', 64, ...

    'Verbose',false, ...

    'Plots','training-progress');

end

⛄ 运行结果

⛄ 参考文献

[1]冯达智. 基于时间卷积网络的飞控时序数据预测技术研究[D]. 电子科技大学.

⛄ 完整代码

❤️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