- 博客(8)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 GA-BP中遗传算法优化的模型在哪？
我答：创新点就是传统的BP神经网络的初始权重和阈值是随机的，在训练时梯度更新权重和阈值，在一定程度上会陷入最优解而出现过拟合现象，导致预测精度很差，因此在神经网络训练之前借助遗传算法将网络初始权重和阈值优化到一个较好的值，使神经网络的训练效率更高，最后得到的网络模型预测精度也更高。首先：你这个课题可能只有阮博涉及到，我们其他老师是都不太懂的，这个课题应该是你指导老师肖博研究生时的课题方向，是值得表扬的。我：BP神经网络属于深度学习中最基础的一种，属于黑箱模型，是无法解释其中的原理的。
2023-05-13 23:44:57
359
原创 GA-BP遗传优化神经网络预测改动（新版本MATLAB中神经网络训练窗口的一些变化）
根据新版本MATLAB的新特性对GA-BP模型作了一些改动，是预测效果更精准、效率更高。
2023-01-14 16:45:02
1838
4
遗传算法优化BP神经网络预测城市公交系统车站客流量
摘要：本文研究的主要内容包括：利用遗传神经网络模型对城市公交系统车站的客流量进行预测；研究影响城市公交系统车站客流量的因素,并提出相应的预测模型；对比不同的遗传神经网络模型在预测城市公交系统车站客流量方面的效果，并选择最优的模型；利用实验训练出来的最优模型，输入影响客流的特征数据，从而精准预测未来公交系统车站客流量。
GA-BP是使用遗传算法来调整BP神经网络结构初始权值，提高网络性能的一种组合方法。在城市公交系统车站客流量预测中，GA-BP算法可以利用历史数据来学习车站客流量的规律，并预测未来的客流量。研究结果表明，该预测方法在准确性和可靠性方面表现良好，可以有效帮助城市公交系统管理者进行车站资源规划和路线规划，提高服务质量和运营效率。
适合人群：具备一定的matlab编程基础和算法知识，可作为大多领域数据预测的方法。
能学到什么：①遗传算法与BP神经网络的组合预测方法②BP神经网络的改进方向——人工干扰训练指导参数。
阅读建议：此资源以BP神经网络为预测方法的黑箱操作，遗传算法旨在优化网络结构初始权值和偏重，提高网络训练效率和预测精准度，若想要再进一步改进，只能改进BP训练过程。
2023-05-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人