粒子群优化算法PSO优化BPMN

本文通过粒子群优化算法(PSO)对BP神经网络(BPNN)进行参数优化,用于处理BPMN数据。首先对数据进行划分和归一化处理,然后设置BPNN的节点数和PSO的相关参数。通过多轮迭代更新粒子的位置和速度,找到最优参数,从而降低BPNN的均方误差。最后,利用最优参数建立模型并进行预测。
摘要由CSDN通过智能技术生成

load data input output

%划分数据集
random_num = rand(1,2000);
[value,index] = sort(random_num);
x_train = input(index(1:1800),:)';
y_train = output(index(1:1800));
x_test = input(index(1801:2000),:)';
y_test = output(index(1801:2000));

%设置BPNN节点数
inputnum = 2;
hiddennum = 5;
outputnum = 1;

%设置PSO相关参数
sizepop = 10;       %种群规模
k = 50;             %迭代次数
c1 = 2;c2 = 2;      %学习因子
w = 0.8;            %惯性因子

%数据归一化
[input_train,inputps] = mapminmax(x_train);
[output_train,outputps] = mapminmax(y_train);

%确定优化参数的数目
length = inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum;
param = rand(sizepop,length);
speed = rand(sizepop,length);

评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值