基于PSO优化的径向基神经网络matlab程序，有注释，附带论文对原理进行说明，适合小白。

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。

基于PSO优化BP神经网络的水质预测研究，高峰，冯民权，为快速准确预测河流水质，本文结合汾河实际监测数据，使用粒子群算法优化BP神经网络模型(PSO-BP)进行水质预测研究。通过灰色关联度�

第九届MathourCupD题基于 DRA-PSO 优化的钢水脱氧合金化深度探究，

第九届MathourCupD题基于 DRA-PSO 优化的钢水脱氧合金化深度探究.pdf-PPT

针对于BP神经网络预测模型，收敛速度慢，精度较低，容易陷入局部极小值等缺点，提出了一种改进粒子群优化BP神经网络预测模型的算法。在该算法中，粒子群采用改进自适应惯性权重和改进自适应加速因子优化BP神经网络预测模型的初始权值和阈值，然后训练BP神经网络预测模型并预测。将该算法应用到几个典型的混沌时间序列预测。实验结果表明，该算法明显提高BP神经网络预测模型的收敛速度和预测模型的精度，减少陷入局部极小的可能。

论文以温室内外的气象数据为输入量， 以温室内温湿度等气象因子为输出量， 使用改进 ＰＳＯ 算法优化的 ＲＢＦ 神经网络构建温室内环境温湿度的预测模型。通过实验对预测模型进行仿真测试与性能评估， 验证该方法的可行性和有效 性。该模型数据获取方便、 所需参数少、 模拟精度高， 为温室内极端温度的预测、 调控和管理优化提供了科学依据

卷积神经网络（CNN）优化，神经网络weights压缩剪枝，用于加速整个CNN.

matlab 粒子群算法优化神经网络预测 直接使用 可用于流量预测等

食用方法可参考我写的博客：https://blog.csdn.net/weixin_43486940/article/details/118701303 本文主要介绍如何使用python搭建：一个基于：粒子群优化算法(PSO：Particle swarm optimization) 优化CNN网络，并实现文本的分类。 博主也参考过网上其他博主介绍：粒子群优化算法（PSO）的文章，但大多是理论大于方法。并且很少有用到优化CNN或其他网络的代码。很多同学肯定对原理不需要过多了解，只需要搭建出一个分类或预测系统即可。