搜索资源列表
PSOBP502
- PSO算法优化BP神经网络，数学建模模拟退火算法的改进-PSO algorithm to optimize the BP neural network, mathematical modeling simulated annealing algorithm improve
PSO-BP
- pos pb matlab 粒子群优化的人工神经网络-pos pb matlab
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
PSO-bp
- 基于粒子群优化算法和BP神经网络的混合算法，用于求解复杂问题！-The hybrid algorithm of particle swarm optimization algorithm based on BP neural network and, for complex problem solving!
PSO-BP
- pso-bp神经网络优化程序，可对多类故障进行分类。-pso-bp neural network optimization procedures, multi-fault classification.
PSO-bp
- 粒子群优化BP神经网络，代码通俗易懂，学习一下-PSO Optimize BP neural network, the code easy to understand
PSO-bp((matlab
- 实现粒子群算法优化BP神经网络的预测算法(Particle swarm optimization algorithm to optimize the BP neural network prediction algorithm)
pso-elman-3-7-1
- pso优化bp神经网络的权值和阈值，大家可以看看。(PSO optimization BP neural network weights and thresholds, we can see.)
PSO-bp
- POS优化BP神经网络。利用POS的优化性能(POS optimization of BP neural network)
PSO-BP
- 粒子群算法优化BP神经网络，可用于指标预测(BP neural network optimized by Particle swarm optimization (PSO) that can be used for index prediction)
pso优化bp神经网络的程序
- 一种基于粒子群算法的bp神经网络优化，程序可用。(A BP neural network optimization based on particle swarm algorithm is available.)
pso-bp
- 使用粒子群算法优化bp神经网络,完成函数逼近(Optimize bp neural network using particle swarm optimization algorithm to complete function approximation)
PSO_BP
- 用粒子群算法对BP神经网络进行训练 亲测可用！(BP Neural Network Training with Particle Swarm Optimization Pro-test is available!)
PSO-BP程序
- 用粒子群优化BP神经网络matlab代码 %以下是训练数据，前4列为输入，第5列为输出 5.700 3.800 0.3175 2.33 2310 4.550 3.050 0.3175 2.33 2890 2.950 1.950 0.3175 2.33 4240 1.950 1.300 0.3175 2.33 5840 1.400 0.900 0.3175 2.33 7700 1.200 0.800 0.3175 2.33 8270 1.050 0.700 0.3175
神经网络入门13课源码
- 神经网络入门13课源码 第一课 MATLAB入门基础 第二课 MATLAB进阶与提高 第三课 BP神经网络 第四课 RBF、GRNN和PNN神经网络 第五课 竞争神经网络与SOM神经网络 第六课 支持向量机( Support Vector Machine, SVM ) 第七课 极限学习机( Extreme Learning Machine, ELM ) 第八课 决策树与随机森林 第九课 遗传算法( Genetic Algorithm, GA ) 第十课 粒子群优化( Part