本文主要是介绍多种优化算法优化LSTM——【包括：粒子群、蝙蝠、正余旋、多元宇宙、正余弦、JAYA、哈里斯鹰、萤火虫、布谷鸟、非洲秃鹫、麻雀优化、灰狼优化、蜣螂优化】（Python代码实现），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
👨🎓个人主页：研学社的博客
💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
📋📋📋本文目录如下：🎁🎁🎁
目录
💥1 概述
📚2 运行结果
🎉3 参考文献
🌈4 Python代码实现
💥1 概述
多种优化算法优化LSTM（Python代码实现）
【包括：粒子群、蝙蝠、正余旋、多元宇宙、正余弦、JAYA、哈里斯鹰、萤火虫、布谷鸟、非洲秃鹫、麻雀优化、灰狼优化、蜣螂优化】
📚2 运行结果
这里仅展现萤火虫：
trainPredict = model.predict(X_train) testPredict = model.predict(X_test) trainPredict = scaler.inverse_transform(trainPredict) trainY = scaler.inverse_transform(y_train) testPredict = scaler.inverse_transform(testPredict) testY = scaler.inverse_transform(y_test)
testScore = math.sqrt(mean_squared_error(testY, testPredict[:, 0]))
print('RMSE %.3f ' %(testScore))
testScore = mean_absolute_error(testY, testPredict[:, 0])
print('MAE %.3f ' %(testScore))
testScore = r2_score(testY, testPredict[:, 0])
print('R2 %.3f ' %(testScore))
plt.plot(history.history['loss'])
plt.title('model loss')
plt.ylabel('loss')
plt.xlabel('epoch')
plt.show()
plt.figure(figsize=(10, 4),dpi=200)
plt.plot(range(len(train),len(dataset)),N, label="Actual", color='r',linewidth=1)
plt.plot(testPredictPlot, color='b',label='Prediction',linewidth=1,linestyle="--")
plt.title('FFA-LSTM Prediction', size=10)
plt.ylabel('AQI',size=10)
plt.xlabel('time/day',size=10)
plt.legend()
plt.show()
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
🌈4 Python代码实现
这篇关于多种优化算法优化LSTM——【包括：粒子群、蝙蝠、正余旋、多元宇宙、正余弦、JAYA、哈里斯鹰、萤火虫、布谷鸟、非洲秃鹫、麻雀优化、灰狼优化、蜣螂优化】（Python代码实现）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
