psoToolbox 提供了一个基于交互式 GUI 的工具箱，以使用粒子群优化解决优化问题。 在 M 文件中创建适应度函数。 输入： Function : 适应度函数的函数句柄。 Nvars ：要优化的变量数。 LB : Nvars 的下限 (1 X Nvars) UB : Nvars 的上限（1 X Nvars） 参数： C1 : 认知吸引C2 : 社交吸引力W：惯性人口规模：群体数量Max Iterations ：最大时期数。 点击“RUN PSO”按钮开始PSO搜索。 你会得到输出在轴下方的编辑框中。 要解决命令提示符下的问题，请使用“pso.m”。
2023-03-30 10:17:34
97KB
1
iris_classification_BPNeuralNetwork
本文用Python实现了BP神经网络分类算法，根据鸢尾花的4个特征，实现3种鸢尾花的分类。
2023-03-29 21:10:42
23KB
1
【BP预测】基于帝国企鹅算法优化BP神经网络实现数据预测附matlab代码
2023-03-28 15:05:44
837KB
1
粒子群算法PSO优化支持向量机回归算法SVR，python写，自带数据集
2023-03-28 10:26:09
32KB
1
基于matlab平台的：交通标志识别（选颜色定位，分割，bp神经网络方法识别，可模板，sift，svm等方法识别）
2023-03-27 12:47:29
1.37MB
1
PSO（粒子群优化）是一种受自然启发的技术，用于优化 MUD 中的目标函数。
2023-03-26 18:13:49
2KB
1
这是一份超级十分极其用心的BP模板，里面有互联网大赛、创青春、服务外包竞赛、电商竞赛等创新创业的基本套路。
2023-03-25 10:12:02
2.41MB
1
Multi-Objective Energy Management for PHEV via Pontryagin's Minimum Principle and PSO Online
2023-03-23 22:01:54
275KB
1
低速率拒绝服务（LDoS,low-rate denial of service）攻击是一种降质服务（RoQ,reduction of quality）攻击，具有平均速率低和隐蔽性强的特点，它是云计算平台和大数据中心面临的最大安全威胁之一。提取了LDoS攻击流量的3个内在特征，建立基于BP神经网络的LDoS攻击分类器，提出了基于联合特征的LDoS攻击检测方法。该方法将LDoS攻击的3个内在特征组成联合特征作为BP神经网络的输入，通过预先设定的决策指标，达到检测LDoS攻击的目的。采用LDoS攻击流量专用产生工具，在NS2仿真平台和test-bed网络环境中对检测算法进行了测试与验证，实验结果表明通过假设检验得出检测率为 96.68%。与现有研究成果比较说明基于联合特征的LDoS攻击检测性优于单个特征，并具有较高的计算效率。
2023-03-23 16:14:23
837KB
1