Matlabpso优化bp神经网络的程序-pso优化bp神经网络的程序.rar

Matlabpso优化bp神经网络的程序-pso优化bp神经网络的程序.rar pso优化bp神经网络的程序

论文研究-改进粒子群算法优化 BP 神经网络的短时交通流预测.pdf

论文研究-改进粒子群算法优化 BP 神经网络的短时交通流预测.pdf,  为提高 BP 神经网络预测模型的预测准确性, 提出了一种基于改进粒子群算法优化 BP 神经网络的预测方法. 引入自适应变异算子对陷入局部最优的粒子进行变异, 改进了粒子群算法的寻优性能, 利用改进粒子群算法优化 BP 神经网络的权值和阈值, 然后训练 BP 神经网络预测模型求得最优解. 将该预测方法应用到实测交通流的时间序列进行有效性验证, 结果表明了该方法对短时交通流具有更好的非线性拟合能力和更高的预测准确性.

论文研究-基于PCA的PSO-BP入侵检测研究.pdf

为了提高入侵检测系统的检测率、实时性及降低误报率，提出一种基于主成分分析方法（PCA）的变惯性因子粒子群算法（PSO）优化BP神经网络算法。该方法结合了PCA理论、BP局部搜索和PSO的全局寻优能力，在数据预处理中，通过主成分分析方法进行特征提取，作为BP网络的输入量。在反复训练学习过程中，通过变惯性因子粒子群算法优化BP神经网络的权值和阈值，达到训练误差精度范围内，将优化过的BP网络用于入侵检测。通过实验分析和比较，该算法提高了入侵检测的正确率、泛化能力和实时性，降低了误报率和漏报率，加快了收敛速度，迭代次数少，有一定的研究意义。

论文研究-改进PSO优化BP神经网络的混沌时间序列预测.pdf

为提高BP神经网络预测模型的预测准确性，提出了一种基于改进粒子群算法优化BP神经网络的混沌时间序列预测方法。引入自适应变异算子对陷入局部最优的粒子进行变异，改进了粒子群算法的寻优性能; 利用改进粒子群算法优化BP神经网络的权值和阈值，训练BP神经网络预测模型求得最优解。将该预测方法应用到几个典型的非线性系统的混沌时间序列进行有效性验证，结果表明了该方法对典型混沌时间序列具有更好的非线性拟合能力和更高的预测准确性。

PSO-BP神经网络论文

PSO-BP神经网络论文，使用PSO优化BP神经网络的输入，加快神经网络的收敛速率

论文研究-基于PSO-BP的软件缺陷预测模型.pdf

软件缺陷检测旨在自动检测程序模块中是否包含缺陷，从而加速软件测试过程，提高软件系统的质量。针对传统软件缺陷预测模型被限制在一定的应用范围而影响其预测的准确性和适用性，提出了一种基于PSO-BP软件缺陷预测模型。该模型运用粒子群优化算法优化BP神经网络的权值和阈值，采用交叉验证的方式进行实验，并与传统的机器学习方法J48和BP神经网络等方法进行了比较。实验结果表明提出的方法具有较高的预测准确性。

论文研究-基于改进的PSO算法的神经网络相关性剪枝优化.pdf

针对传统的神经网络训练算法收敛速度慢、易陷入局部最优的问题，提出了一种基于改进的分期变异微粒群优化算法（SMPSO）的神经网络相关性剪枝优化方法。SMPSO在初期使适应度过低的微粒发生变异，在后期使停滞代数过高的个体极值和全局极值发生变异,后将SMPSO用于优化神经网络相关性剪枝算法。实验结果表明，该方法与采用BP算法及标准PSO算法进行相关性剪枝相比，在训练收敛速度、剪枝效率及分类正确率三方面都有较大提高。

论文研究-基于PSO-BP神经网络的上证指数股票预测模型应用研究 .pdf

基于PSO-BP神经网络的上证指数股票预测模型应用研究，方思学，胡荣才，随着国民经济的飞速发展以及市场经济的不断完善，股票投资成为了现代人投资理财中的一个重要部分。股价的波动直接影响着股票市场

PSO优化BP神经网络模型.zip

利用粒子群算法（PSO）对BP神经网络模型进行优化，可以对数据进行仿真训练，可以对变形监测以及其他领域的数据进行预测，实验结果表明粒子群算法（PSO）对BP神经网络模型比BP神经网络模型有着更好的预测精度以及在预测时间上也大大加快，代码是基于matlab语言自己写的。

pso优化bp神经网络代码

在matlab程序中，可以实现粒子群算法优化bp神经网络的算法，可用不同数据

Matlab改进版的bp神经网络算法编程pso-改进版的bp神经网络算法编程（pso）.rar

Matlab改进版的bp神经网络算法编程pso-改进版的bp神经网络算法编程（pso）.rar 改进版的bp神经网络算法编程（pso）,很不错的！！！

利用PSO训练BP神经网络的matlab代码

利用PSO训练BP神经网络的matlab代码。 粒子群算法优化BP神经网络，可用于指标预测 (BP neural network optimized by Particle swarm optimization (PSO) that can be used for index prediction)

论文研究-PSO优化BP神经网络的混沌时间序列预测.pdf

针对于BP神经网络预测模型，收敛速度慢，精度较低，容易陷入局部极小值等缺点，提出了一种改进粒子群优化BP神经网络预测模型的算法。在该算法中，粒子群采用改进自适应惯性权重和改进自适应加速因子优化BP神经网络预测模型的初始权值和阈值，然后训练BP神经网络预测模型并预测。将该算法应用到几个典型的混沌时间序列预测。实验结果表明，该算法明显提高BP神经网络预测模型的收敛速度和预测模型的精度，减少陷入局部极小的可能。

基于PSO-BP的算法

基于matlab，利用pso算法的搜索能力，优化bp神经网络的阈值初始化，防止过拟合的发生。

论文研究-基于PSO-BP算法的目标威胁评估.pdf

通过对目标高度、距离、速度、角度这些空间态势因素和空战能力因素的分析，建立了目标威胁评估模型，提出了基于PSO-BP(粒子群和后向传播)算法的目标威胁程度评估方法。通过对空中八个目标某一时刻威胁程度的预测，并将结果与多数属性决策方法的结果进行了比较，表明此方法有效地解决了空战目标威胁评估问题,大大提高了决策的客观性。

论文研究-基于改进PSO的保障性社区公共服务设施配置空间优化研究.pdf

论文研究-基于改进PSO的保障性社区公共服务设施配置空间优化研究.pdf,  近年来，房地产价格持续快速上涨，居民住房问题日益突出，为了缓解中低收入居民住房问题，政府兴建了大批保障性社区.而当前保障性社区公共服务设施普遍存在配置不完善，供给滞后，低效与供给过剩同时存在的问题，导致人口入住过程缓慢，入住率低.这不仅影响到居民的生活质量，同时也影响到保障效果的实现及和谐社会的构建.文章以上海市保障性社区为研究对象，在多目标约束条件下，构建了可以清晰表达保障性社区公共服务设施配置空间的多目标微粒群算法（particle swarm optimization，PSO）优化模型，并基于所构建模型，实证分析保障性社区公共服务设施配置优化模拟，在此基础上求出了公共服务设施最优配置方案，这对于提高保障性社区公共服务设施配置的科学性和合理性，完善社区公共服务设施的配置理论，具有较大的理论意义和实践意义.

论文研究-粗糙集及PSO优化BP网络的故障诊断研究 .pdf

粗糙集及PSO优化BP网络的故障诊断研究，吴伟，李楠，针对BP神经网络故障诊断存在网络结构复杂、训练时间长、精度不高的问题，文章将粗糙集、微粒群算法、遗传算法引入到柴油机故障诊�

论文研究-改进PSO-BP神经网络对储层参数的动态预测研究.pdf

为提高BP神经网络的收敛速度和泛化能力，防止其陷入局部最优值，在前人工作基础上对传统粒子群算法进行了改进，具体包括：设定最大限制速度、改变惯性权重因子和改进适应度函数，并把改进粒子群算法应用于BP神经网络权值和阈值的优化。之后利用改进粒子群算法优化的BP神经网络实现对储层参数的动态预测，具体步骤为：确定神经网络的输入、输出神经元，定量化时间参数[T]，利用训练样本构建神经网络模型并进行检验。最后通过平均训练误差对仿真过程进行分析，结果表明改进PSO-BP算法的收敛性与泛化能力均优于BP算法和PSO-BP算法。

论文研究-一种结合PSO及改进BP网络的辨识方法.pdf

当辨识神经网络的类型和结构确定后，初始权值等辨识参数直接影响到辨识效果，而依靠先验知识试凑而得的参数值往往难以达到最佳效果。针对这一问题，提出了一种结合粒子群（PSO）算法及引入动量项的改进BP网络的辨识方法，利用PSO对改进BP网络辨识的初始权值/偏置、学习率、动量系数进行寻优，并将优化后的神经网络模型用在控制系统中进行修正，进一步完善辨识模型。应用在热工系统中，仿真结果表明了该辨识方法的有效性。