資源簡介
更加完美運行神經網絡程序1) 非線性映射能力:BP神經網絡實質上實現了一個從輸入到輸出的映射功能,數學理論證明三層的神經網絡就能夠以任意精度逼近任何非線性連續函數。這使得其特別適合于求解內部機制復雜的問題,即BP神經網絡具有較強的非線性映射能力。
2) 自學習和自適應能力:BP神經網絡在訓練時,能夠通過學習自動提取輸出、輸出數據間的“合理規則”,并自適應的將學習內容記憶于網絡的權值中。即BP神經網絡具有高度自學習和自適應的能力。
3) 泛化能力:所謂泛化能力是指在設計模式分類器時,即要考慮網絡在保證對所需分類對象進行正確分類,還要關心網絡在經過訓練后,能否對未見過的模式或有噪聲污染的模式,進行正確的分類。也即BP神經網絡具有將學習成果應用于新知識的能力。
代碼片段和文件信息
%適應值函數gabpEval
function[solval]=gabpEval(soloptions)
%val-the?fittness?of?this?individual
%s01-the?individual。returned?to?allow?for?Lamarckian?evolution
%options-[current_generation]
day=[0.9363?-0.9698?-0.9907?-0.9562?-0.9507?0.9363?-0.9164?0.9045?0.8918;
?-0.9358?-0.9751?0.9821?-0.9544?-0.9469?0.9426?0.9182?0.8967?-0.8841;
0.9516?-0.9781?-0.9744?-0.9525?0.9509?0.9368?0.9082?-0.8903?-0.8665;
?-0.9480?-0.9795?-0.9796?-0.9507?0.9509?0.9300?-0.9075?-0.8902?-0.8671;
- 上一篇:尋找三角形費馬點Matlab程序
- 下一篇:將220V的市電轉化為直流穩壓電源輸出
評論
共有 條評論