91av视频/亚洲h视频/操亚洲美女/外国一级黄色毛片 - 国产三级三级三级三级

資源簡介

利用粒子群算法（PSO）對BP神經網絡模型進行優化，可以對數據進行仿真訓練，可以對變形監測以及其他領域的數據進行預測，實驗結果表明粒子群算法（PSO）對BP神經網絡模型比BP神經網絡模型有著更好的預測精度以及在預測時間上也大大加快，代碼是基于matlab語言自己寫的。

資源截圖

代碼片段和文件信息 

function?error=fun（xinputnumhiddennumoutputnumnetinputnoutputn）

%該函數用來計算適應度值

%x??????????input?????個體

%inputnum???input?????輸入層節點數

%outputnum??input?????隱含層節點數

%net????????input?????網絡

%inputn?????input?????訓練輸入數據

%outputn????input?????訓練輸出數據

%error??????output????個體適應度值

%提取
w1=x（1:inputnum*hiddennum）;
B1=x（inputnum*hiddennum+1:inputnum*hiddennum+hiddennum）;
w2=x（inputnum*hiddennum+hiddennum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum）;
B2=x（inputnum*hiddennum+hiddennum+hiddennum*outputnum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum）;
%網絡權值賦值
W1=reshape（w1hiddennuminputnum）;
W2=reshape（w2outputnumhiddennum）;
B1=reshape（B1hiddennum1）;
B2=reshape（B2outputnum1）;
[m?n]=size（inputn）;
A1=tansig（W1*inputn+repmat（B11n））;?%需與main函數中激活函數相同
A2=purelin（W2*A1+repmat（B21n））;?%需與main函數中激活函數相同??
error=sumsqr（outputn-A2）;

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2020-04-23?19:57??PSO優化BP神經網絡模型\
?????文件?????????975??2020-03-03?13:04??PSO優化BP神經網絡模型\fun.m
?????文件????????4523??2020-03-16?16:02??PSO優化BP神經網絡模型\PSO_BP.m

評論

共有 條評論