Matlab神经网络(九)--粒子群算法（PSO）实现函数极值优化

我把这件作品献给我的儿子。 粒子群优化是优化中最著名的随机搜索算法之一。 在这些代码中，并基于下面的参考资料，我们向您介绍了一个由 PSO 训练的完全连接的常规自动编码器。 [1] MN Alam，“粒子群优化：MATLAB 中的算法及其代码粒子群优化：MATLAB 中的算法及其代码”，no。 2016 年 3 月。 [2] Y. Liu、B. He、D. Dong、Y. Shen 和 T. Yan，“ROS-ELM：用于大数据分析的强大在线顺序极限学习机”，Proc. ELM-2014 卷。 1，算法理论，卷。 3，第 325-344 页，2015 年。 [3] H. Zhou, G.-B. Huang、Z. Lin、H. Wang 和 YC Soh，“堆叠极限学习机”，IEEE Trans。 Cyber​​n.，卷。 PP，没有。 99，第。 2014 年 1 月。

完整的粒子群优化神经网络代码，代入数据就可以运行

PSO,GWO,SVM算法优化，非线性回归预测。通过不同算法优化，使的达到最佳的预测效果，同时算法上具有创新性。

PSOt_PSO工具箱

LSSVM_Prediction 通过将LSSVM与PSO和PSR结合使用进行信号预测 纸张来源 董少江，罗天宏，基于PCA和优化LS-SVM模型的轴承老化过程预测，测量，2013.06 准备工作 matlab，LSSVM工具箱，EMD工具箱 执行 1.将LSSVM工具箱添加到以下路径：D：\ Program Files \ MATLAB \ R2015b \ toolbox，然后在matlab中设置该文件夹的路径； 2.打开pack_emd \ package_emd，运行： install_emd.m 3.打开此代码： test_psr_pso.m 4，选择ECG数据集以运行代码 结果 我们关注的是绿线，蓝色是PCA之后的原始数据，而橙色线是单步预测，而绿线是多步预测。 从这个结果，我们发现LSSVM擅长捕获心电图数据的特征。 补充说明 该LSSVM模型使用PSR（相空间重构

GA和PSO组合算法 优化 matlab程序

SVM使用的是lib-svm工具箱，LIBSVM 是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的 SVM 模式识别与回归的软件包，它不仅提供了编译好的可在 Windows 系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用； 该软件还有一个特点，就是对 SVM 所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross-SVM回归等问题，包括基于一对一算法的多类模式识别问题。

粒子群算法matlab代码。

用蚁群算法训练BP神经网络的程序，非常实用的MATLAB代码