版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、clcclearall%一、初始化部分一、初始化部分%1.1預(yù)處理樣本數(shù)據(jù)預(yù)處理樣本數(shù)據(jù)%選取訓(xùn)練樣本(xy)fi=1:126x=00.0251(i1)y(i)=(sin(x)(x.^29x3)exp((0.5)(x.^2)))2%待逼近函數(shù)endAllSamIn=0:0.0251:pi%訓(xùn)練樣本輸入AllSamOut=y%訓(xùn)練樣本輸出%選取測試樣本fi=1:125x=0.01250.0251(i1)%測試樣本輸入ytest(i)=(s
2、in(x)(x.^29x3)exp((0.5)(x.^2)))2%測試樣本輸出endAlltestIn=0.0125:0.0251:(pi0.0125)AlltestOut=ytest%歸一化訓(xùn)練樣本,測試樣本[AlltestInnminAlltestInmaxAlltestInAlltestOutnminAlltestOutmaxAlltestOut]=premnmx(AlltestInAlltestOut)%測試樣本[AllSamI
3、nnminAllSamInmaxAllSamInAllSamOutnminAllSamOutmaxAllSamOut]=premnmx(AllSamInAllSamOut)%訓(xùn)練樣本testIn=AlltestInntestOut=AlltestOutnglobalPtrainPtrain=AllSamInnglobalTtrainTtrain=AllSamOutn%1.2設(shè)置神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置神經(jīng)網(wǎng)絡(luò)參數(shù)globalindim%輸入層神
4、經(jīng)元個(gè)數(shù)indim=1globalhiddennum%隱藏層神經(jīng)元個(gè)數(shù)hiddennum=3globaloutdim%輸出層神經(jīng)元個(gè)數(shù)outdim=1globalGpos%1.3設(shè)置微粒群參數(shù)設(shè)置微粒群參數(shù)vmax=0.5%速度上限minerr=1e7%目標(biāo)誤差wmax=0.95fi=1:Npbest(i:1)=X(i:1)%因?yàn)槭堑谝淮?,?dāng)前位置即為歷史最優(yōu)位置endV(::2)=W(1)V(::1)c1r(pbest(::1)X(:
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)算法的研究及其應(yīng)用.pdf
- 基于PSO算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化研究及應(yīng)用.pdf
- 基于PSO-BP神經(jīng)網(wǎng)絡(luò)的船舶結(jié)構(gòu)優(yōu)化.pdf
- 基于PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)的動態(tài)變規(guī)格控制研究.pdf
- 基于PSO優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)股票預(yù)測模型.pdf
- 神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)設(shè)計(jì)及參數(shù)PSO優(yōu)化研究.pdf
- 改進(jìn)的PSO算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用研究.pdf
- 基于改進(jìn)PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)的水泵全特性預(yù)測研究.pdf
- 基于PSO優(yōu)化技術(shù)的木材材性參數(shù)神經(jīng)網(wǎng)絡(luò)建模研究.pdf
- 基于PSO-BP神經(jīng)網(wǎng)絡(luò)的PID控制.pdf
- 基于混沌PSO-DV優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的汽車故障診斷.pdf
- 基于PSO優(yōu)化混沌BP神經(jīng)網(wǎng)絡(luò)的股票指數(shù)預(yù)測模型研究.pdf
- 基于改進(jìn)PSO算法的模糊神經(jīng)網(wǎng)絡(luò)研究.pdf
- 基于改進(jìn)PSO算法的動態(tài)神經(jīng)網(wǎng)絡(luò)研究.pdf
- 改進(jìn)PSO的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)研究.pdf
- 基于PSO-BP神經(jīng)網(wǎng)絡(luò)的鋁帶坯晶粒度軟測量建模及優(yōu)化.pdf
- 基于PSO和DE優(yōu)化神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷研究.pdf
- 基于多特征量提取和PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)的軸承故障診斷.pdf
- 基于改進(jìn)PSO的RBF神經(jīng)網(wǎng)絡(luò)入侵檢測方法研究.pdf
- 基于協(xié)同PSO算法的模糊辨識與神經(jīng)網(wǎng)絡(luò)學(xué)習(xí).pdf
評論
0/150
提交評論