基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)MATLAB代碼.doc

基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)MATLAB代碼.doc

ID:52686765

大小:35.50 KB

頁(yè)數(shù):4頁(yè)

時(shí)間:2020-03-29

基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)MATLAB代碼.doc_第1頁(yè)
基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)MATLAB代碼.doc_第2頁(yè)
基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)MATLAB代碼.doc_第3頁(yè)
基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)MATLAB代碼.doc_第4頁(yè)
資源描述:

《基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)MATLAB代碼.doc》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)

1、用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的Matlab編程實(shí)例(轉(zhuǎn))由于BP網(wǎng)絡(luò)的權(quán)值優(yōu)化是一個(gè)無約束優(yōu)化問題,而且權(quán)值要采用實(shí)數(shù)編碼,所以直接利用Matlab遺傳算法工具箱。以下貼出的代碼是為一個(gè)19輸入變量,1個(gè)輸出變量情況下的非線性回歸而設(shè)計(jì)的,如果要應(yīng)用于其它情況,只需改動(dòng)編解碼函數(shù)即可。程序一:GA訓(xùn)練BP權(quán)值的主函數(shù)functionnet=GABPNET(XX,YY)%-----------------------------------------------------------------------

2、---%GABPNET.m%使用遺傳算法對(duì)BP網(wǎng)絡(luò)權(quán)值閾值進(jìn)行優(yōu)化,再用BP算法訓(xùn)練網(wǎng)絡(luò)%--------------------------------------------------------------------------%數(shù)據(jù)歸一化預(yù)處理nntwarnoffXX=[1:19;2:20;3:21;4:22]';YY=[1:4];XX=premnmx(XX);YY=premnmx(YY);YY%創(chuàng)建網(wǎng)絡(luò)net=newff(minmax(XX),[19,25,1],{'tansig','tans

3、ig','purelin'},'trainlm');%下面使用遺傳算法對(duì)網(wǎng)絡(luò)進(jìn)行優(yōu)化P=XX;T=YY;R=size(P,1);S2=size(T,1);S1=25;%隱含層節(jié)點(diǎn)數(shù)S=R*S1+S1*S2+S1+S2;%遺傳算法編碼長(zhǎng)度aa=ones(S,1)*[-1,1];popu=50;%種群規(guī)模savedata2XXYY%是將xx,yy二個(gè)變數(shù)的數(shù)值存入data2這個(gè)MAT-file,initPpp=initializega(popu,aa,'gabpEval');%初始化種群gen=100;%遺傳代

4、數(shù)%下面調(diào)用gaot工具箱,其中目標(biāo)函數(shù)定義為gabpEval[x,endPop,bPop,trace]=ga(aa,'gabpEval',[],initPpp,[1e-611],'maxGenTerm',gen,...'normGeomSelect',[0.09],['arithXover'],[2],'nonUnifMutation',[2gen3]);%繪收斂曲線圖figure(1)plot(trace(:,1),1./trace(:,3),'r-');holdonplot(trace(:,1),1.

5、/trace(:,2),'b-');xlabel('Generation');ylabel('Sum-SquaredError');figure(2)plot(trace(:,1),trace(:,3),'r-');holdonplot(trace(:,1),trace(:,2),'b-');xlabel('Generation');ylabel('Fittness');%下面將初步得到的權(quán)值矩陣賦給尚未開始訓(xùn)練的BP網(wǎng)絡(luò)[W1,B1,W2,B2,P,T,A1,A2,SE,val]=gadecod(x);n

6、et.LW{2,1}=W1;net.LW{3,2}=W2;net.b{2,1}=B1;net.b{3,1}=B2;XX=P;YY=T;%設(shè)置訓(xùn)練參數(shù)net.trainParam.show=1;net.trainParam.lr=1;net.trainParam.epochs=50;net.trainParam.goal=0.001;%訓(xùn)練網(wǎng)絡(luò)net=train(net,XX,YY);程序二:適應(yīng)值函數(shù)function[sol,val]=gabpEval(sol,options)%val-thefittnes

7、softhisindividual%sol-theindividual,returnedtoallowforLamarckianevolution%options-[current_generation]loaddata2nntwarnoffXX=premnmx(XX);YY=premnmx(YY);P=XX;T=YY;R=size(P,1);S2=size(T,1);S1=25;%隱含層節(jié)點(diǎn)數(shù)S=R*S1+S1*S2+S1+S2;%遺傳算法編碼長(zhǎng)度fori=1:S,??x(i)=sol(i);end;[W

8、1,B1,W2,B2,P,T,A1,A2,SE,val]=gadecod(x);程序三:編解碼函數(shù)function[W1,B1,W2,B2,P,T,A1,A2,SE,val]=gadecod(x)loaddata2nntwarnoffXX=premnmx(XX);YY=premnmx(YY);P=XX;T=YY;R=size(P,1);S2=size(T,1);S1=25;%隱含層節(jié)點(diǎn)數(shù)S=R*S1+S1*S2+

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。