怎么创建网站快捷方式到桌面,企业管理咨询论文,做虚拟货币交易网站,网站建设 电子书多输入多输出 | MATLAB实现PSO-BP粒子群优化BP神经网络多输入多输出 目录 多输入多输出 | MATLAB实现PSO-BP粒子群优化BP神经网络多输入多输出预测效果基本介绍程序设计往期精彩参考资料 预测效果 基本介绍 Matlab实现PSO-BP粒子群优化BP神经网络多输入多输出预测 1.data为数据…多输入多输出 | MATLAB实现PSO-BP粒子群优化BP神经网络多输入多输出 目录 多输入多输出 | MATLAB实现PSO-BP粒子群优化BP神经网络多输入多输出预测效果基本介绍程序设计往期精彩参考资料 预测效果 基本介绍 Matlab实现PSO-BP粒子群优化BP神经网络多输入多输出预测 1.data为数据集10个输入特征3个输出变量。 2.main.m为主程序文件。 3.命令窗口输出MBE、MAE和R2可在下载区获取数据和程序内容。 程序设计
完整程序和数据下载方式私信博主回复MATLAB实现PSO-BP粒子群优化BP神经网络多输入多输出。
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 节点个数
inputnum size(p_train, 1); % 输入层节点数
hiddennum 5; % 隐藏层节点数
outputnum size(t_train,1); % 输出层节点数
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 建立网络
net newff(p_train, t_train, hiddennum);
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 设置训练参数
net.trainParam.epochs 1000; % 训练次数
net.trainParam.goal 1e-6; % 目标误差
net.trainParam.lr 0.01; % 学习率
net.trainParam.showWindow 0; % 关闭窗口
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 参数初始化
c1 4.494; % 学习因子
c2 4.494; % 学习因子
maxgen 50; % 种群更新次数
sizepop 5; % 种群规模
Vmax 1.0; % 最大速度
Vmin -1.0; % 最小速度
popmax 1.0; % 最大边界
popmin -1.0; % 最小边界
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 节点总数
numsum inputnum * hiddennum hiddennum hiddennum * outputnum outputnum;for i 1 : sizepoppop(i, :) rands(1, numsum); % 初始化种群V(i, :) rands(1, numsum); % 初始化速度fitness(i) fun(pop(i, :), hiddennum, net, p_train, t_train);
end
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 个体极值和群体极值
[fitnesszbest, bestindex] min(fitness);
zbest pop(bestindex, :); % 全局最佳
gbest pop; % 个体最佳
fitnessgbest fitness; % 个体最佳适应度值
BestFit fitnesszbest; % 全局最佳适应度值
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 迭代寻优
for i 1 : maxgenfor j 1 : sizepop% 速度更新V(j, :) V(j, :) c1 * rand * (gbest(j, :) - pop(j, :)) c2 * rand * (zbest - pop(j, :));V(j, (V(j, :) Vmax)) Vmax;V(j, (V(j, :) Vmin)) Vmin;% 种群更新pop(j, :) pop(j, :) 0.2 * V(j, :);pop(j, (pop(j, :) popmax)) popmax;pop(j, (pop(j, :) popmin)) popmin;% 适应度值fitness(j) fun(pop(j, :), hiddennum, net, p_train, t_train);endfor j 1 : sizepop% 个体最优更新if fitness(j) fitnessgbest(j)gbest(j, :) pop(j, :);fitnessgbest(j) fitness(j);endendBestFit [BestFit, fitnesszbest];
end%% 提取最优初始权值和阈值
w1 zbest(1 : inputnum * hiddennum);
B1 zbest(inputnum * hiddennum 1 : inputnum * hiddennum hiddennum);
w2 zbest(inputnum * hiddennum hiddennum 1 : inputnum * hiddennum ... hiddennum hiddennum * outputnum);
B2 zbest(inputnum * hiddennum hiddennum hiddennum * outputnum 1 : ...inputnum * hiddennum hiddennum hiddennum * outputnum outputnum);
往期精彩 MATLAB实现RBF径向基神经网络多输入多输出预测 MATLAB实现BP神经网络多输入多输出预测 MATLAB实现DNN神经网络多输入多输出预测 参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/116377961 [2] https://blog.csdn.net/kjm13182345320/article/details/127931217 [3] https://blog.csdn.net/kjm13182345320/article/details/127894261
