灰狼算法优化BP神经网络(GWO-BP)

上传者: wecanup | 上传时间: 2022-07-29 09:32:26 | 文件大小: 13KB | 文件类型: ZIP
文件中给出案例数据,列代表指标集(输入集x:1-7,输出集y:8)行代表数据集。可以用于本科毕业论文或者硕士毕业论文,首先使用SPSS进行出成分分析,然后将主成分得分值作为输入集,输出集保持不变。通过该算法文件就可以得到预测值,具体步骤可以参考《基于SVM和LS-SVM的住宅工程造价预测研究》。 本算法使用BP神经网络的误差函数作为GWO算法的适应度函数,通过BP神经网络连接权值和阈值的数量来决定GWO算法中灰狼的维数,那么GWO算法寻优的过程就是权值和阈值更新的过程。因此,GWO算法寻优的过程替代了BP神经网络梯度下降的过程。经过不断更新和迭代,最终确定出全局最优值,即灰狼α所处的位置。本算法输出的权值和阈值即作为神经网络的权值和阈值,不在通过神经网络继续训练。可以参考文献《基于粒子群优化算法的BP网络学习研究》。

文件下载

资源详情

[{"title":"( 4 个子文件 13KB ) 灰狼算法优化BP神经网络(GWO-BP)","children":[{"title":"GWO_BP","children":[{"title":"test_data1.xlsx <span style='color:#111;'> 11.17KB </span>","children":null,"spread":false},{"title":"GWO_BP.m <span style='color:#111;'> 6.67KB </span>","children":null,"spread":false},{"title":"initialization.m <span style='color:#111;'> 567B </span>","children":null,"spread":false},{"title":"f.m <span style='color:#111;'> 616B </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明