基于麻雀算法(SSA)优化卷积神经网络-长短期记忆网络(CNN-LSTM)回归预测，SSA-CNN-LSTM多输入单输出模型。

基于麻雀算法(SSA)优化卷积神经网络-支持向量机(CNN-SVM)分类预测，SSA-CNN-SVM多特征输入模型。优化参数为：学习率，批量处理大小，正则化参数。多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图。

基于贝叶斯(bayes)优化卷积神经网络-长短期记忆网络(CNN-LSTM)回归预测，bayes-CNN-LSTM多输入单输出模型。

粒子群算法(PSO)优化长短期记忆神经网络的数据分类预测，PSO-LSTM分类预测，多输入单输出模型

基于长短期记忆神经网络LSTM的Adaboost分类预测，LSTM-Adaboost分类预测，多特征输入模型。多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图。

灰狼算法(GWO)优化BP神经网络回归预测,GWO-BP回归预测,多变量输入单输出模型。评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

基于贝叶斯算法(bayes)优化卷积神经网络-长短期记忆网络(CNN-LSTM)时间序列预测，bayes-CNN-LSTM时间序列预测，单列数据集。优化参数为：学习率，隐含层节点，正则化参数。评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

基于卷积神经网络-双向长短期记忆网络结合注意力机制(CNN-BILSTM-Attention)多变量时间序列预测，CNN-BILSTM-Attention多维时间序列预测，多列变量输入模型。matlab代码，2020版本及以上。评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

基于深度神经网络(DNN)的数据回归预测，深度全连接神经网络，多变量 输入模型，要求2018及以上版本。评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

遗传算法(GA)优化的BP神经网络预测,GA-BP回归预测,多输入单输出模型。