虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

bp算法

bp算法是由学习过程由信号的正向传播与误差的反向传播两个过程组成。由于多层前馈网络的训练经常采用误差反向传播算法,人们也常把将多层前馈网络直接称为BP网络。
  • 本人编写的BP Stochastical算法

    本人编写的BP Stochastical算法,和传统的bp算法比较,Stochastical改进随机产生方向,然后导致收敛,所以能避免局部极点。 本人还加了自动产生分类的方法和适合各种函数的转换

    标签: Stochastical 编写 算法

    上传时间: 2016-09-18

    上传用户:zycidjl

  • 一、用GA直接训练BP网络的权重算法 主程序:gafault.m 它包括以下子程序: 1. BP网络初始化:nninit.m――给出P

    一、用GA直接训练BP网络的权重算法 主程序:gafault.m 它包括以下子程序: 1. BP网络初始化:nninit.m――给出P,T,R,S1,S2; 2. 适应值计算函数:gabpEval.m; 3.将遗传算法的编码解码为BP网络所对应的权值、阈值函数:gadecod.m; 二、用GA先求BP网络的权重,再用纯BP直接训练BP的混合GA-bp算法 主程序:gabpfault.m 它包括以下子程序: 1. 网络初始化:nninit.m――给出P,T,R,S1,S2; 2. 适应值计算函数:gabpEval.m; 3.将遗传算法的编码解码为BP网络所对应的权值、阈值函数:gadecod.m; 三、纯BP   主程序:(1)bpfault.m 在MATLAB5.2上       (2)bpfault.m 在MATLAB6.5上 为后来所加

    标签: gafault nninit BP网络 程序

    上传时间: 2014-08-15

    上传用户:litianchu

  • 介绍一种bp在神经网络上改进算法

    介绍一种bp在神经网络上改进算法,效果比原bp算法要好

    标签: 神经网络 改进算法

    上传时间: 2013-12-13

    上传用户:AbuGe

  • 使用遗传算法对BP网络权值阈值进行优化

    使用遗传算法对BP网络权值阈值进行优化,再用bp算法训练网络。

    标签: 算法 BP网络 阈值

    上传时间: 2014-01-01

    上传用户:xsnjzljj

  • 使用遗传算法对BP网络权值阈值进行优化

    使用遗传算法对BP网络权值阈值进行优化,再用bp算法训练网络.

    标签: 算法 BP网络 阈值

    上传时间: 2014-01-14

    上传用户:gaojiao1999

  • 使用遗传算法对BP网络权值阈值进行优化

    使用遗传算法对BP网络权值阈值进行优化,再用bp算法训练网络.

    标签: 算法 BP网络 阈值

    上传时间: 2013-12-24

    上传用户:gmh1314

  • 基于PSO的BP训练算法论文:在BP训练算法中

    基于PSO的BP训练算法论文:在BP训练算法中,关于变权值、学习速率、步长的问题已被广泛地研究,几种基于启发式改进的技术也表明具有改善训练时间以及避免陷入局部最小的明显效果。这里BP训练过程由基于PSO同时优化log—Sigmoid函数与网络权值的新算 法(PSO。GainBP)实现。实验结果表明,PSO—GainBP比传统基于PSO的bp算法在网络训练方面具有更好的性能。

    标签: PSO 算法 论文

    上传时间: 2017-01-19

    上传用户:rishian

  • 使用遗传算法对BP网络权值阈值进行优化

    使用遗传算法对BP网络权值阈值进行优化,再用bp算法训练网络的代码,文本格式的

    标签: 算法 BP网络 阈值

    上传时间: 2017-03-04

    上传用户:小鹏

  • 一用GA直接训练BP网络的权重算法 二用GA先求BP网络的权重

    一用GA直接训练BP网络的权重算法 二用GA先求BP网络的权重,再用纯BP直接训练BP的混合GA-bp算法

    标签: BP网络 权重 算法

    上传时间: 2017-03-18

    上传用户:shinesyh

  • 基于遗传算法的BP神经网络的优化研究及MATLAB仿真

    随着人类社会的进步,科学技术的发展日新月异,模拟人脑神经网络的人工神经网络已取得了长足的发展。经过半个多世纪的发展,人工神经网络在计算机科学,人工智能,智能控制等方面得到了广泛的应用。当代社会是一个讲究效率的社会,科技更新领域也是如此。在人工神经网络研究领域,算法的优化显得尤为重要,对提高网络整体性能举足轻重.BP神经网络模型是目前应用最为广泛的一种神经网络模型,对于解决非线性复杂问题具有重要的意义。但是BP神经网络有其自身的一些不足(收敛速度慢和容易陷入局部极小值问题),在解决某些现实问题的时候显得力不从心。针对这个问题,本文利用遗传算法的并行全局搜索的优势,能够弥补BP网络的不足,为解决大规模复杂问题提供了广阔的前景。本文将遗传算法与BP网络有机地结合起来,提出了一种新的网络结构,在稳定性、学习性和效率方面都有了很大的提高。基于以上的研究目的,本文首先设计了BP神经网络结构,在此基础上,应用遗传算法进行优化,达到了加快收敛速度和全局寻优的效果。本文借助MATLAB平台,对算法的优化内容进行了仿真实验,得出的效果也符合期望值,实现了对bp算法优化的目的。关键词:生物神经网络:人工神经网络;BP网络;遗传算法;仿真随着电子计算机的问世及发展,人们试图去了解人的大脑,进而构造具有人类思维的智能计算机。在具有人脑逻辑推理延伸能力的计算机战胜人类棋手的同时,引发了人们对模拟人脑信息处理的人工神经网络的研究。1.1研究背景人工神经网络(Artificial Noural Networks,ANN)(注:简称为神经网络),是一种数学算法模型,能够对信息进行分布式处理,它模仿了动物的神经网络,是对动物神经网络的一种具体描述。这种网络依赖系统的复杂程度,通过调节内部大量节点之间的关系,最终实现信息处理的目的。人工神经网络可以通过对输入输出数据的分析学习,掌握输入与输出之间的潜在规则,能够对新数据进行分析计算,推算出输出结果,因为人工神经网络具有自适应和自学习的特性,这种学习适应的过程被称为“训练"。

    标签: 遗传算法 bp神经网络 matlab

    上传时间: 2022-06-16

    上传用户:jiabin