搜索资源列表
cw1
- 此程序为训练RBF网权值的量子粒子群优化算法，供各位参考-this program for training RBF net weights Quantum Particle Swarm Optimization Algorithm for reference
ParticleSwarmOptimization(PSO)Primer
- 本文是关于粒子群算法(pso)的介绍和相关MATLAB源程序,是智能天线权值优化方面的一种很前沿的算法-paper on the PSO (pso) related to the introduction and MATLAB source. Smart Antenna is the right optimization of a very forefront of the algorithm
PSO
- 用粒子群算法优化RBF网络权值，根据适应度值对个体最优和群体最优进行更新-Particle Swarm Optimization with RBF network weights, according to the best fitness value of individuals and groups to update the best
pso-bp
- 这是一个采用粒子群算法优化bp神经网络权值的MATLAB程序-This is a particle swarm optimization using neural network weights bp MATLAB program
psoyouhuannyj
- 基于粒子群优化的神经网络训练算法研究论文 摘 要: 本文提出了基于连接结构优化的粒子群优化算法(SPSO) 用于神经网络训练,该算法在训练神经网络权 值的同时优化其连接结构,删除冗余连接,使神经网络获得与模式分类问题匹配的信息处理能力. 经SPSO 训练的神经 网络应用于Iris ,Ionosphere 以及Breast cancer 模式分类问题,能够部分消除冗余分类参数及冗余连接结构对分类性能 的影响. 与BP 算法及遗传算法比较,该算法在提高分类误差精度的同时可加快训
PSO_BP
- 基于粒子群和BP神经网络的混合优化策略算法。将改进PSO算法与BP神经网络结合，用PSO算法取代梯度下降法来优化神经网络的连接权值和阈值。程序简单易懂。-Based on Particle Swarm and the BP neural network algorithm for hybrid optimization strategy. Will improve the PSO algorithm and BP neural network, using PSO algorithm to re
BP-PSO
- 本文提出了基于粒子群算法( PSO )的E lm an神经网络混合优化策略, 采用PSO 优化 连接权值来训练神经网络, 与标准BP算法相比, PSO 采用实数编码, 结构简单, 学习收敛快-The PSO-BP-based Forecast of Logistics Cost for Coal Enterprises
Adaptiveconstrainedparticleswarm
- 针对粒子群优化算法应用于约束优化问题时易陷入局部极小值的问题, 提出了一种改进的粒子群优化算 法. 该算法综合了约束优化问题的目标函数值和约束函数的违反度值作为粒子群优化算法的双适应度值, 采用了 双适应值动态判断粒子群优化算法中粒子的优劣. 违反度值的计算引入了自适应加权系数, 相应地提出了调整各 权系数的自适应策略, 并改进了粒子群优化算法的粒子竞争选择策略, 拓展了粒子群优化算法的单适应值的应用 范围.应用约束自适应粒子群优化算法实现了城市水厂的节能优化调度. 结果表明,
program
- 编写了一个pso优化bp神经网络的程序，应用在分类中。第一步：pso优化bp神经网络得到最优的阈值和权值，第二步bp神经网络把该最优的阈值和权值作为初始阈值和权值，采用动量及自适应学习速率算法进行训练。附件中，是数据和编写的部分程序，tiqushuju是用来提取文本中的数据构造样本集的函数。mubiao是用来构造期望输出的函数。bp是已经编写好的，未使用pso优化的bp神经网络函数。pso是本人编写的pso优化bp神经网络的函数，psobp是采用pso优化的阈值和权值作为bp神经网络的初始权值和
psobpbijiao
- 本例是采用粒子群优化神经网络权值，以前下的希望能有用。-PSO neural networks under the previous
PSO-algorithm
- 粒子群优化算法及其参数设置如惯性权值，加速因子的设置对算法基本性能的影响-Particle swarm optimization algorithm and its parameters, such as inertia weight, acceleration factor setting the basic performance of the algorithm
粒子群算法
- 重点利用单因子方差分析方法，分析了粒群优化算法中的惯性权值，加速因子的设置对算法基本性能的影响，给出算法中的经验参数设置
pso-bp
- 粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现
PSO-BP
- 用粒子群优化法对BP神经网络的权值和阈值进行优化，提高神经网络运行精度。-Using particle swarm optimization method for weights and threshold of BP neural network optimization, improve precision of the neural network operation.
pso-bpguzhangzhenduan
- 应用粒子群优化算法优化bp网络的权值和阈值应用于故障诊断，程序可行，效果明显编写详细，注释清晰。-Application of particle swarm optimization algorithm to optimize the weights and thresholds of BP network is applied to fault diagnosis, the program is feasible, the effect is obvious, and the notes ar
PSO-RBF
- 粒子群优化RBF网络权值，可以在线训练，好用的程序-Particle Swarm Optimization RBF network weights, online training, easy to use program
PSO_BP
- 粒子群优化BP神经网络算法，采用PSO优化神经网络的结构层个数，及隐含层的权值，相较BP神经网络，预测效果更好-Particle swarm optimization BP neural network algorithm, using PSO to optimize the number of neural network structure layer, and the value of the hidden layer, compared to BP neural network, the
13_粒子群
- 航迹规划是无人机执行侦察和作战任务中的关键技术，规划算法的性能直接影响着航迹规划的质量。针对航迹规划最优性和实时性问题，提出一种惯性权值" 阶梯式" 调整策略与跳出局部最优解策略相结合的改进粒子群无人机航迹规划算法。(Route planning is the key technology for UAV to perform reconnaissance and combat tasks, and the performance of planning algorithm
模拟退火算法
- 提出了一种基于粒子群优化(PSO)算法的径向基(RBF)网络参数优化算法,首先利用减聚类算法确定网络径向基函数中心的个数,再用PSO算法优化径向基函数的中心及宽度,最后用PSO算法训练隐含层到输出层的网络权值,找到神经网络权值的最优解,以达到优化神经网络学习的目的。最后,通过一个实验与最小二乘法优化的神经网络进行了比较,验证了算法的有效性。(Particle swarm optimization (PSO) optimization of RBF network)
ELM_PSO-master
- 为了提升配网供电可靠性的预测精度!提出了基于主成分分析和粒子群优化极限学习机的配网供电可靠 性预测模型$ 从多方面分析影响供电可靠性的指标!利用主成分分析得到综合变量!实现对数据的降维$ 在此基 础上!构建人工神经网络并利用粒子群算法优化极限学习机的输入权值和阈值!完成对训练供电可靠性预测模型 的训练$ 以某大型电网的 ?L 个供电局样本 !% 种影响供电可靠性因素为例进行仿真分析!并将 E S R C E FQ C 4 G D算 法与 ! 种回归拟合算法对比!验证了该方法的有效性(It i