一、代码运行视频(哔哩哔哩)
【Matlab BP回归预测】GA优化BP回归预测(含优化前的对比)【含源码 1901期】
二、相关技术原理简介
1 BP神经网络原理
反向传播(Back Propagation,BP)神经网络于1986年由Rumelhart和McCelland领导的科学家小组提出,是一种按误差逆传播算法训练的多层前馈神经网络。BP神经网络能学习和存贮大量的输入与输出模式映射关系,无需事前揭示描述这种映射关系的数学方程。其学习规则是使用最速下降法,通过反向传播不断调整网络的权值和阈值,从而使网络的误差平方和达到最小。BP神经网络拓扑结构可分为3层,分别是输入层、隐藏层以及输出层。其中,隐藏层的神经元个数计算公式为:
式中:m为输入层节点的个数,n为输出层节点的个数,a一般取1~10内的整数。隐藏层的个数越多,误差范围越小。
2 遗传优化算法
遗传算法是模拟达尔文生物进化论中自然选择和遗传学机理等生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。依据BP神经网络的拓扑结构,确定优化BP神经网络权值阈值的参数个数,从