【预测模型-GRNN】基于遗传算法优化GRNN实现数据回归拟合matlab源码.zip

【图像处理】基于遗传算法优化Gabor滤波器提取织物表面特征值进行织物瑕疵识别和处理matlab源码.zip

bp神经网络 Matlab

Matlab有关利用遗传算法优化bp神经网络得源程序-abbr_c703e479d91dd8bf7da9f2c2c7f98d20.rar 有关利用遗传算法优化bp神经网络得源程序中得有关初始化函数编写

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

MATLAB实现遗传算法优化计算，并且通过实例证明。仿真正确可行。

该程序使用 Excel 数据文件“DATA.xls”作为程序的输入。 输入文件包含以下工作表： 1. 输入负载数据（每个负载块的有功功率及其 XY 坐标） 2. 当前变压器及其容量（以 kVA 为单位） 3. 新变压器的候选点 4. 变压器负载因数和设计功率因数 4.可在网络中使用的变压器类型。 该程序搜索配电变电站的最佳排列和配置。 优化包括安装成本、变压器损耗、典型低压损耗和欠压发生约束。 程序的输出是一个 Excel 文件“RESULT.xls”，其中包括所有选定和设计的变压器容量、XY 坐标和每个负载-变压器连接。 （如果喜欢，可以提供更多详细信息）

为了更为有效地识别语音信号中的情感类型，提出一种改进遗传算法优化 BP 神经网络的识别算法 ( IAGA-BP) 。该算法一方面改进了自适应遗传算法中的选择算子，另一方面更改了自适应遗传算法中的交叉和 变异概率公式。通过对自适应遗传算法的改进，提升了遗传算法的寻优性能，并以此对 BP 神经网络初始的权阈 值进行优化。实验结果表明，在与 BP、 GA-BP 和 AGA-BP 网络的比较中， IAGA-BP 网络能够有效提高语音情感 识别率，并加快了网路收敛速度

提出了一种基于遗传算法优化的RBF神经网络故障诊断方法,此诊断方法首先利用小波包分解的方法对传感器电路的各种故障数据进行特征提取,再将所得的特征向量输入到遗传算法优化的RBF神经网络进行故障诊断。经过MATLAB仿真,此故障诊断方法不仅对传感器故障进行准确分类,而且提高了BP神经网络的收敛性,从而验证了此方法是可行的。

clc;clear all; format long;%设定数据显示格式 %初始化参数 T=100;%仿真代数 N=80;% 群体规模 pm=0.05;pc=0.8;%交叉变异概率 umax=2.048;umin=-2.048;%参数取值范围 L=10;%单个参数字串长度，总编码长度2L bval=round(rand(N,2*L));%初始种群 bestv=-inf;%最优适应度初值 %迭代开始 for ii=1:T %解码，计算适应度 for i=1:N y1=0;y2=0; for j=1:1:L y1=y1+bval(i,L-j+1)*2^(j-1);