粒子群算法优化ELMAN神经网络的分类预测，pso-elman

目录

背影
ELMAN神经网络的原理
ELMAN神经网络的定义
受限玻尔兹曼机（RBM）
灰狼算法原理
灰狼算法优化elman神经网络回归分析
基本结构
主要参数
数据
MATALB代码
结果图
展望
完整代码下载：粒子群算法优化ELMAN神经网络的分类预测资源-CSDN文库 https://download.csdn.net/download/abc991835105/88879656

背影

Elman神经网络是 J. L. Elman于1990年首先针对语音处理问题而提出来的，是一种典型的局部回归网络( global feed forward local recurrent)。Elman网络可以看作是一个具有局部记忆单元和局部反馈连接的递归神经网络。

ELMAN神经网络的的原理

深度信念神经网络DBN的定义

与前馈神经网络不通，“递归神经网络”允许网络中出现环形结构，从而可让一些神经元的输出反馈回来作为输入信号。这样的结构与信息反馈过程，使得网络在t时刻的输出状态不仅与t时刻的输入有关，还与t-1时刻的网络状态有关，从而能处理与时间有关的动态变化。

Elman网络是最常用的递归神经网络之一，其结构如图所示，结构与多层前馈网络很相似，但隐层神经网络的输出被反馈回来，与下一时刻输入神经元提供的信号一起，作为隐层神经元在下一时刻的输入。隐层神经元通常采用Sigmoid激活函数，而网络的训练则常通过推广的BP算法进行。