粒子群算法(PSO)优化极限梯度提升树XGBoost时间序列预测，PSO-XGBoost时间序列预测模型，单列数据输入模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

粒子群算法(PSO)优化xgboost的分类预测，多输入单输出模型。PSO-xgboost分类预测模型。 多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。 程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图。

动目标检测和成像，该代码采用BP算法，对一片区域进行成像，在系统噪声和杂波背景下能够有效对动目标进行检测和成像，并且使用ATI技术估计动目标信息。 但该份代码还是存在着一些问题，随着斜视角的增大，动目标的位置估计与实际偏差会越大，正侧视的情况下（斜视角为0），偏差最小。 如有朋友能够解决该问题或提供解决思路，本人将不胜感激！

BP神经网络具有结构简单、工作状态稳定、易于硬件实现等优点,在模式识别及分类、系统仿真、故障智能诊断、图像处理、函数拟合、最优预测等方面具有很广泛的应用。液压系统是挖掘机很重要的组成部分。由于液压系统结构复杂,容易发生故障,一旦故障将会直接影响挖掘机的使用,因此对挖掘机液压系统的可靠性和可维护性具有很高的要求。针对上述问题,提出了基于BP神经网络的液压系统故障诊断方法。

基于遗传算法的Bp神经网络优化算法代码matlab代码 基于遗传算法的Bp神经网络优化算法代码matlab代码 基于遗传算法的Bp神经网络优化算法代码matlab代码

针对三相PWM整流器电压环的特点,提出了一种H∞鲁棒控制方法。基于PWM整流器的数学模型,建立了满足H∞控制标准型的状态方程,并选择合适的权函数。通过求解Riccati不等式,得到H∞鲁棒控制器。由于控制器待定参数较多,权函数的选择范围较广,因此设计了一种PSO算法,对所设计的控制器参数进行整定和优化,进一步提高了PWM整流器的控制性能,具有更好的动态性能和抗干扰性。最后,通过仿真证明了该方法的可行性和有效性。

主要为大家详细介绍了C++实现神经BP神经网络，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

资源代码实现了bp全连接神经网络代码 不使用pytorch，tensorflow等神经网络学习框架 一、功能实现： 1.实现自动求导功能 2.实现adam学习率优化器代码，可以提升学习率，加快收敛 3.numpy实现矩阵运算 4.实现softmax交叉熵损失函数 5.实现递归运算每一层神经网络 6.实现训练过程中损失函数loss下降显示，使用matplot实现 二、作用： 1.方便刚入门的小伙伴入门学习神经网络，了解神经网络工作的几大部分 前向计算，激活函数，损失函数，求导 2.复现论文的adam优化器实现，实现一阶矩估计，二阶矩估计 三、能学到什么： 1.adam优化器实际代码实现 2.求导过程计算 3.matplot显示图表 4.numpy矩阵运算实现 5.递归实现层集计算 四、阅读须知： 1.参考本代码之前需要先了解bp神经网络的构成 2.此资源未使用框架，求导也是代码实现，主要是公式求导，后期会推出计算图求导的版本 3.不包含cnn卷积神经网络，不适用于特征提取，后续可能会增加cnn模块 4.本资源目前只实现relu激活函数，需要验证sigmod等激活函数可以自行添加

为了解决矿井涌水量预测难题,在Grid-Search_PSO优化SVM参数的基础上,采用SVM非线性回归预测法,对大海则煤矿1999~2008年7月份的矿井涌水量进行了预测。分析对比SVM回归预测法和ARIMA时间序列预测法预测结果的数据误差,发现SVM回归法预测值与实测值之间的偏差比ARIMA时间序列法要小很多。可见在影响矿井涌水量各种因素值具备的情况下,SVM非线性回归预测所建立的模型能够更准确地预测矿井的涌水量,在矿井安全生产中具有很大的应用价值。

为了提高企业信用风险评估准确率，提出了基于PSO-BP集成的企业信用风险评估模型。使用Bagging抽样技术获得足够多不同的训练数据集，用不同的训练集子集训练得到不同的PSO-BP组合成员分类器，最后通过多数投票准则整合不同组合成员分类器的分类结果。分别在包含了国内外公司的详细数据的数据集上证明了模型的有效性。