《表2 关键代码:基于长短期记忆网络的COVID-19疫情趋势序列分析预测》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于长短期记忆网络的COVID-19疫情趋势序列分析预测》
在进行实验时,首先打开数据集,读取数据的1~5列。在第二条语句中样本序列长度(time step)为14,每个数据输入维度4,全连接层的dropout为0.2,循环体中的dropout比例为0.2。定义损失函数为交叉熵,优化方法为Adam,模型评价标准为分类正确率。实验设定Batch size=500,epoch=500。在图10中样本集的折线为深色,测试集的折线为浅色。可以看出实验结果与真实数据匹配度较高,实验没有出现梯度消失以及梯度爆炸等问题。LSTM模型适合用于做疫情序列问题预测模型。
图表编号 | XD00210695500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 赵永翼、王菲、申莹 |
绘制单位 | 沈阳师范大学软件学院、沈阳师范大学软件学院、沈阳市艺术幼儿师范学校 |
更多格式 | 高清、无水印(增值服务) |