注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 改进版的PSO-BP算法

  2. 详细的pso-bp网络matlab代码实现

  3. 所属分类：机器学习

    • 发布日期：2017-06-28
    • 文件大小：6144
    • 提供者：hualuo17

  1. MATLAB 神经网络43个案例分析

  2. 包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络;还包含PSO(粒子群)、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容

  3. 所属分类：机器学习

    • 发布日期：2018-04-09
    • 文件大小：24117248
    • 提供者：hezhaoshuang

  1. MATLAB神经网络30个案例分析（高清+源码）包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络.zip

  2. MATLAB神经网络30个案例分析（高清+源码）包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络。 MATLAB神经网络30个案例分析（高清+源码） 该书共有30个MATLAB神经网络的案例(含可运行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络；还包含PSO(粒子群）、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。该书另有31个配套的教学视频帮助读者更深入地了解神经网络。 本书可作为本科毕业设计

  3. 所属分类：Android

    • 发布日期：2019-05-27
    • 文件大小：30408704
    • 提供者：nui111

  1. 基于改进的PSO算法的球磨机PID神经网络控制系统

  2. 球磨机制粉系统是一个复杂的多变量系统,具有强耦合、非线性、大迟延、慢时变等特点,很难建立精确的数学模型,采用常规的控制策略难以获得满意的控制效果。针对上述问题,在对球磨机制粉系统动态特性进行分析的基础上,提出了一种不依赖于被控对象数学模型的多变量PID神经网络解耦控制策略;为进一步提高控制器性能,利用一种改进的PSO算法对PID神经网络的权值初值进行离线优化训练,然后采用BP算法对权值进行在线调整,避免网络陷入局部极小值,保证了系统不会出现大的超调和震荡。仿真结果表明,该策略可以保证球磨机控制系

  3. 所属分类：其它

    • 发布日期：2020-05-17
    • 文件大小：177152
    • 提供者：weixin_38629362

  1. 基于PSO-BP神经网络的煤矿井下自适应定位算法

  2. 提出了一种基于PSO-BP神经网络的煤矿井下自适应定位算法。针对传统的基于测距模型的定位算法易受煤矿井下环境干扰、测距误差大的问题,选择指纹匹配定位模型。针对煤矿井下环境强时变性,易增大实时采集的指纹信息与离线阶段建立的静态指纹数据库信息的匹配误差问题,将信标节点作为参考点的校准节点,以更好地反映参考点随环境变化的情况,避免增加额外的校准节点;在不增加硬件成本的同时,通过动态补偿法实时修正目标节点指纹数据,解决了指纹匹配定位模型自适应差的问题。匹配定位阶段采用PSO优化BP神经网络权值,以加速B

  3. 所属分类：其它

    • 发布日期：2020-05-12
    • 文件大小：275456
    • 提供者：weixin_38679839

  1. 基于改进果蝇优化BP神经网络的冲击地压预测

  2. 针对煤矿开采过程中存在非线性、强耦合性等特点导致的动力灾害难以预测的问题,引入一种候选解的线性生成机制(LGMS)、混沌搜索、粒子群算法(PSO)和模拟退火算法(SA)修正果蝇算法(IFOA),利用改进后的果蝇优化算法良好的搜索全局最优解的能力,自适应地调整BP网络的权值和阈值,建立了煤岩冲击地压灾害预测模型。以唐山开滦煤矿样本数据为例进行仿真验证,结果表明其鲁棒性和测量精度明显提高,且网络具有较强的收敛性能和优化能力。

  3. 所属分类：其它

    • 发布日期：2020-05-06
    • 文件大小：889856
    • 提供者：weixin_38693506

  1. 基于SAPSO-BP神经网络的井下自适应定位算法

  2. 针对基于传统BP神经网络的井下定位算法存在收敛速度慢、易形成局部极值、在煤矿井下强时变性电磁环境中定位误差大等问题，提出了一种基于模拟退火思想的粒子群优化算法加BP神经网络（SAPSO-BP）的井下自适应定位算法。采用SAPSO算法优化BP神经网络的初始权值和阈值，以加快训练收敛速度，使之到达全局最优；通过安装在井下巷道中的无线校准器采集目标点接收信号强度指示（RSSI）值，采用自适应动态校准方法对RSSI值进行实时校准，以减小强时变性电磁环境对定位精度的影响；最后利用SAPSO-BP神经网络估

  3. 所属分类：其它

    • 发布日期：2020-04-30
    • 文件大小：800768
    • 提供者：weixin_38595356

  1. PSO（粒子群）优化BP算法的温度预测.zip

  2. 本课题是在BP神经网络温度预测的基础上进行优化，加入PSO算法，结果中R^2、MSE等参量明显比BP神经网络单独预测效果好的许多。

  3. 所属分类：机器学习

    • 发布日期：2020-03-27
    • 文件大小：3145728
    • 提供者：qq_40957277

  1. PSO-BP耦合算法在矿井瓦斯突出预测中的应用

  2. PSO-BP耦合算法在矿井瓦斯突出预测中的应用，付华，杨義葵，矿井瓦斯含量的预测模型是一个多变量，非线性的函数关系,预测模型建立的准确与否决定于各个影响因素之间的相互作用、相互耦合的�

  3. 所属分类：其它

    • 发布日期：2020-02-20
    • 文件大小：275456
    • 提供者：weixin_38564598

  1. 基于PSO-BP模型的矿井采掘工作面用水量的预测研究

  2. 基于PSO-BP模型的矿井采掘工作面用水量的预测研究，王佩，施蕾蕾，用水量预测是进行矿井发展规划、水源规划、防尘管网布局以及节水措施选择的重要依据，是供水管网优化设计与运行可靠性评价的基础

  3. 所属分类：其它

    • 发布日期：2020-01-10
    • 文件大小：497664
    • 提供者：weixin_38743119

  1. PSO-BP网络模型在GPS高程拟合中的应用

  2. 文中介绍了一种全局随机优化算法—粒子群优化算法,并将其应用于BP网络模型的参数优化。在基本BP算法的误差反向传播调整权值的基础上,引入粒子群算法(PSO)进行权值修正,建立一个PSO优化的BP网络模型进行GPS高程拟合,并与基于遗传算法优化的BP网络模型(GA-BP)、支持向量机模型(SVM)和基本BP网络模型的拟合结果进行分析比较。结果表明,PSO-BP网络优化模型性能略高于GA-BP网络模型的性能,明显优于SVM模型和BP网络模型。

  3. 所属分类：其它

    • 发布日期：2020-05-28
    • 文件大小：212992
    • 提供者：weixin_38727199

  1. PSO-BP神经网络在露天矿卡车油耗预测中的应用

  2. 针对露天矿燃油消耗问题,利用粒子群优化算法对BP网络的权值和偏置进行优化,建立了基于粒子群优化BP神经网络的露天矿卡车油耗量预测网络模型.该方法使用由PSO优化的BP模型来拟合影响露天矿卡车油耗众多因素与油耗值之间的复杂关系.仿真结果表明:模型具有预测精度高、稳定性好等特点,适用于露天矿卡车油耗的预测,在露天矿燃油消耗预测中具一定的实用价值.

  3. 所属分类：其它

    • 发布日期：2020-06-05
    • 文件大小：692224
    • 提供者：weixin_38744902

  1. 自适应粒子群算法和混沌理论的BP神经网络在水质评价中的应用

  2. 为克服传统水质评价方法的不足，提出了一种结合粒子群优化（PSO），混沌理论，自适应策略和反向传播人工神经网络（BP ANN）进行评价的模型。中国渭河的水质 提出了一种具有自适应惯性权重和通过logistic函数调整混沌学习因子的改进PSO算法，并将其用于优化BP神经网络的网络参数。 平均绝对偏差（AAD），预测均方根误差（RMSEP）和平方相关系数的值分别为0.0061、0.0163和0.9903。 与BP ANN，PSO BP ANN等其他方法相比，该模型显示了最优的预测性能，具有较高的精度和

  3. 所属分类：其它

    • 发布日期：2020-06-04
    • 文件大小：1048576
    • 提供者：weixin_38714509

  1. 基于ACPSO算法的矿井通风网络解算研究

  2. 针对传统矿井通风网络解算算法的不足,提出一种新的自适应混沌粒子群优化算法。以矿井通风网络总功率最小为目标建立矿井通风网络的非线性优化数学模型,借助罚函数方法将节点风量平衡和回路风压平衡等式约束条件转化为目标函数中惩罚项;采用自适应粒子群优化算法对目标函数进行优化,当优化陷入局部最优时,借助混沌搜索引导粒子重新进行搜索。应用自适应混沌粒子群优化算法对一个通风网络模型进行风量优化求解,并与BP、PSO算法优化结果进行对比,结果表明:基于自适应混沌粒子群优化算法获得的风量优化方案具有较小的总能耗,且满

  3. 所属分类：其它

    • 发布日期：2020-06-01
    • 文件大小：710656
    • 提供者：weixin_38534352

  1. 粒子群算法优化BP神经网络的变载荷自平衡控制系统

  2. 为解决常规PID控制难以在具有时变负载的自平衡系统中实时、精确调节负载的变化,在BP神经网络基础上,利用粒子群算法(PSO)优化BP神经网络,将神经网络的收敛速度进一步提高,并将算法应用到二轮平衡车控制系统中,对二轮平衡车进行动力学建模,介绍系统的结构、原理与实验方法,搭建二轮平衡车实验平台进行了施加突变负载情况下的试验验证。利用二轮平衡车实验平台车身上的姿态传感器得到车体倾斜输出角度,对比施加突变负载前后以及神经网络优化前后的车体倾斜输出角度变化。结果表明:粒子群算法(PSO)优化BP神经网络

  3. 所属分类：其它

    • 发布日期：2020-05-31
    • 文件大小：326656
    • 提供者：weixin_38597990

  1. 基于LVQ-CPSO-BP算法的煤体瓦斯渗透率预测方法研究

  2. 针对BP神经网络算法对煤体瓦斯渗透率预测精度低问题,筛选出影响预测精度的5个主要因素——1个宏观因素(煤层埋深)和4个微观因素(有效应力、温度、瓦斯压力、抗压强度),提出一种基于学习向量量化神经网络(LVQ)分类、混沌粒子群算法(CPSO)优化、BP神经网络预测的LVQ-CPSO-BP煤体瓦斯渗透率预测方法。从宏观上确定临界值将煤层埋深划分为2层;基于有效应力与瓦斯渗透率之间存在拐点关系,从微观上确定拐点值将有效应力划分为2段;采用LVQ将4个微观样本参数依据拐点特征进行分类识别,采用BP神经网

  3. 所属分类：其它

    • 发布日期：2020-05-30
    • 文件大小：752640
    • 提供者：weixin_38502428

  1. 基于LM-PSO算法和BP神经网络的非线性预测控制

  2. 针对非线性系统,提出了一种基于BP神经网络的预测控制方法。以BP神经网络建立多步预测模型并预测系统输出值,用LM(Levenberg-Marquardt)算法和PSO(Particle Swarm Optimization)算法组合的混合算法对目标性能指标函数进行滚动优化求解,得到非线性系统的最优控制量;利用误差修正参考输入法实现反馈矫正。通过将粒子群算法引入LM算法,克服了LM算法依赖初值和粒子群算法过早收敛于局部极值的问题,提高了求解的运行速度和精确度。通过对单变量非线性系统仿真实验,证明了

  3. 所属分类：其它

    • 发布日期：2020-06-20
    • 文件大小：265216
    • 提供者：weixin_38621082

  1. 基于PSO-BP的矿井淋水井筒风温预测

  2. 为解决矿井井底风流温度预测的问题,采用BP神经网络为模型,利用PSO算法优化网络权值和阈值,建立了一种新的井底风温预测模型,并用Matlab编程实现。通过对淮南某煤矿井底风温影响因素的分析得出地面入风口处风流温度、湿球温度,地面大气压力及井底湿球温度等因素的影响力较大。应用PSO-BP模型与BP模型对数据分别进行测试并分析,结果表明,该模型具有收敛速度快、预测精确度高,是求解井底风温非线性变化规律的最有效方法之一。

  3. 所属分类：其它

    • 发布日期：2020-07-15
    • 文件大小：968704
    • 提供者：weixin_38655011

  1. 基于PSO-BP神经网络的混凝土抗压强度预测

  2. 为了有效提高混凝土抗压强度的预测精准度，利用粒子群算法优化BP神经网络初始权值和阈值，建立了混凝土抗压强多因子PSO-BP预测模型。模型以每立方混凝土中水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料的含量以及置放天数为输入参数，混凝土抗压强度值作为输出参数，不仅可以克服BP算法收敛速度慢和易陷入局部极值的缺陷，而且模型的学习能力、泛化能力和预测精度都有了很大的提高。以UCI数据库中的Concrete Compressive Strength数据集为例进行仿真测试，结果表明：PSO-BP模型

  3. 所属分类：其它

    • 发布日期：2020-10-19
    • 文件大小：556032
    • 提供者：weixin_38686153

  1. 基于MPSO算法的BP神经网络PID控制器研究*

  2. PID控制器是过程控制中应用最为广泛的控制器，而传统PID控制器参数整定难以达到最优状态，同时，存在控制结果超调量过大、调节时间偏长等缺点，因此，将变异粒子群优化算法（Mutation Particle Swarm Optimization，MPSO）运用于BP-PID的参数整定过程中，设计了一种高效、稳定的自适应控制器。考虑MPSO的变异机制，以种群适应度方差与种群最优适应度值为标准，进行种群变异操作，可以克服早熟，提高收敛精度和PSO的全局搜索能力，使MPSO优化的BP神经网络整定的PID控

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：686080
    • 提供者：weixin_38659622
« 12 3 »