粒子群退火算法优化的BP神经网络及其应用
以提高预测软件老化趋势为应用背景，提出一种新型粒子群退火算法（New Particle Swarm Annealing Algorithm，NPSOSA）优化BP神经网络的权值和阈值，继而构建NPSOSA-BP神经网络预测模型.实验通过搭建软件老化测试平台，收集所需的老化数据并进行仿真训练.实验结果表明，NPSOSA-BP神经网络模型相比于传统粒子群算法（PSO）、传统粒子群退火算法（PSOSA）优化的BP神经网络模型提高了预测精度和适用度，在该应用领域验证了本文方法的有效性.
文件下载
评论信息
其他资源
- 三星Q470升win10键盘背光驱动修改包part2
- 基于python的TXT解析器 parser 包含各个版本的代码 见注释
- 融云 +MUI整合web聊天
- 编译原理期末试题(8套含答案+大题集
- flyback电路原理及实验报告
- 双馈式风力发电-双馈风力发电机建模与仿真.pdf
- 几种常见分形图在Visual_C++中的实现
- modsim32内附注册机破解版
- 数据结构练习题及答案
- 用户操作手册模版-最详细
- c++STL基础及应用
- UML用户指南（第2版）_带书签_高清完整版
- BGLL算法matlab实现 社区挖掘
- 串口JPEG格式图片上位机软件
- acad2kml.zip
- tensorflow-1.15.2+nv20.6-cp36-cp36m-linux_aarch64.zip
- 枚举进程句柄.rar
- alien_invasion - 副本.zip
- 泛微ecology工作流WebService接口文档
- C# winform 宿舍管理系统 ，vs2010开发，oracle数据库
- superboot-20110405.bin
- Typora.exe
- 图书馆管理系统前端
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
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