遗传算法优化BP神经网络前(由于遗传算法优化BP神经网络编辑的部分有缺少,故加以补充前)
来源:互联网 发布:linux curl 上传图片 编辑:程序博客网 时间:2024/06/04 18:39
遗传算法优化BP神经网络分为BP神经网络结构确定、遗传算法优化和 BP神经网络预测3个部分。其中,BP神经网络结构确定部分根据拟合函数输入输出参数个数确定 BP神经网络结构,这样就可以确定遗传算法的优化参数个数,进而确定遗传算法个体的编码长度。因为遗传算法优化的参数是 BP神经网络的初始权值和阈值,只要网络的结构已知,权值和阈值的个数就已知了。种群中的每个个体都包含了一个网络所有权值和阈值,个体通过适应度函数计算个体适应度值,遗传算法通过选择、交叉和变异操作找到最优适应度值对应的个体。BP神经网络预测用遗传算法得到最优个体对网络进行初始权值和阈值的赋值,网络经训练后预测样本输出。神经网络的权值和阈值一般是通过初始化为【-0.5,0.5】区间的随机数,这个初始化参数对网络训练的影响很大,但是又无法准确获得,对于相同的初始权重值和阈值,网络的训练结果是一样的,引入遗传算法就是为了优化出最优的初始权值和阈值。
遗传算法的基本要素包括染色体编码方法、适应度函数、遗传操作和运行参数。其中染色体编码方法是指个体的编码方法,目前包括二进制法、实数法等。二进制法是指把个体编码成为一个二进制串,实数法是指把个体编码成为一个实数串。适应度函数是指根据进化目标编写的计算个体适应度值的函数,通过适应度函数计算每个个体的适应度值,提供给选择算子进行选择。遗传操作是指选择操作、交叉操作和变异操作。运行参数是遗传算法在初始化时确定的参数,主要包括群体大小 M,遗传代数G,交叉概率Pc和变异概率Pm。(下面都是引用的MATLAB智能算法30个案例里面的内容,太多了,偷了个懒)
后面的内容就是遗传算法优化BP神经网络部分了。所以整个的整篇博客由三部分组成,分别是遗传算法优化BP神经网络前,遗传算法优化BP神经网络,和遗传算法优化BP神经网络三部分。由于编辑器的原因在一篇中不能完全显示出来。
- 遗传算法优化BP神经网络前(由于遗传算法优化BP神经网络编辑的部分有缺少,故加以补充前)
- 遗传算法优化BP神经网络
- 遗传算法优化BP神经网络
- 遗传算法优化BP神经网络
- 遗传算法优化的BP神经网络建模
- 遗传算法优化的BP神经网络建模
- 遗传算法优化BP神经网络续
- 基于遗传算法的BP神经网络优化算法
- (转)用遗传算法优化BP神经网络的Matlab编程实例
- 基于遗传算法优化的BP神经网络的 非线性函数拟合
- 基于Matlab的遗传算法优化BP神经网络在非线性函数拟合中的应用
- 【神经网络学习笔记】遗传算法优化BP神经网络-非线性函数拟合
- 前馈神经网络,BP算法
- 基于BP算法的前馈神经网络
- 基于遗传算法优化的神经网络算法
- 神经网络与遗传算法 优化
- 多层前馈神经网络及BP算法
- 遗传算法和bp神经网络结合(神经网络权值学习)
- 字符数组的赋值
- TOP 10 开源的推荐系统简介
- VC6断点F9失效
- 二叉树非递归先序建立与后序遍历
- Java设计模式之工厂方法模式
- 遗传算法优化BP神经网络前(由于遗传算法优化BP神经网络编辑的部分有缺少,故加以补充前)
- web.xml 中的listener、 filter、servlet 加载顺序及其详解
- 游戏注册系统
- ArcGIS 中的标准分类方法(相等、分位、自然断裂、标准差)
- 简单的QT5网络Tcp通讯
- PAT1021个位数统计 (15)
- winvnc3.3.3连接就关闭
- 看了别人在阿里巴巴的面试经验后
- hdu-1070-Milk