当前位置: 首页 > news >正文

江门靠谱网站建设优化cpu优化软件

江门靠谱网站建设优化,cpu优化软件,摄影做网站,怎么买域名做企业网站基于材料生成优化的BP神经网络(分类应用) - 附代码 文章目录 基于材料生成优化的BP神经网络(分类应用) - 附代码1.鸢尾花iris数据介绍2.数据集整理3.材料生成优化BP神经网络3.1 BP神经网络参数设置3.2 材料生成算法应用 4.测试结果…

基于材料生成优化的BP神经网络(分类应用) - 附代码

文章目录

  • 基于材料生成优化的BP神经网络(分类应用) - 附代码
    • 1.鸢尾花iris数据介绍
    • 2.数据集整理
    • 3.材料生成优化BP神经网络
      • 3.1 BP神经网络参数设置
      • 3.2 材料生成算法应用
    • 4.测试结果:
    • 5.Matlab代码

摘要:本文主要介绍如何用材料生成算法优化BP神经网络,利用鸢尾花数据,做一个简单的讲解。

1.鸢尾花iris数据介绍

本案例利用matlab公用的iris鸢尾花数据,作为测试数据,iris数据是特征为4维,类别为3个类别。数据格式如下:

特征1特征2特征3类别
单组iris数据5.32.11.21

3种类别用1,2,3表示。

2.数据集整理

iris数据总共包含150组数据,将其分为训练集105组,测试集45组。如下表所示:

训练集(组)测试集(组)总数据(组)
10545150

类别数据处理:原始数据类别用1,2,3表示为了方便神经网络训练,类别1,2,3分别用1,0,0;0,1,0;0,0,1表示。

当进行数据训练对所有输入特征数据均进行归一化处理。

3.材料生成优化BP神经网络

3.1 BP神经网络参数设置

通常而言,利用智能算法一般优化BP神经网络的初始权值和阈值来改善BP神经网络的性能。本案例基于iris数据,由于iris数据维度不高,采用简单的BP神经网络。神经网络参数如下:

神经网络结构

图1.神经网络结构

神经网络参数如下:

%创建神经网络
inputnum = 4;     %inputnum  输入层节点数 4维特征
hiddennum = 10;     %hiddennum  隐含层节点数
outputnum = 3;     %outputnum  隐含层节点数
net = newff( minmax(input) , [hiddennum outputnum] , { 'logsig' 'purelin' } , 'traingdx' ) ;
%设置训练参数
net.trainparam.show = 50 ;
net.trainparam.epochs = 200 ;
net.trainparam.goal = 0.01 ;
net.trainParam.lr = 0.01 ;

3.2 材料生成算法应用

材料生成算法原理请参考:https://blog.csdn.net/u011835903/article/details/124221652

材料生成算法的参数设置为:

popsize = 10;%种群数量Max_iteration = 15;%最大迭代次数
lb = -5;%权值阈值下边界
ub = 5;%权值阈值上边界
%  inputnum * hiddennum + hiddennum*outputnum 为阈值的个数
%  hiddennum + outputnum 为权值的个数
dim =  inputnum * hiddennum + hiddennum*outputnum + hiddennum + outputnum ;%  inputnum * hiddennum + hiddennum*outputnum维度

这里需要注意的是,神经网络的阈值数量计算方式如下:

本网络有2层:

第一层的阈值数量为:4*10 = 40; 即inputnum * hiddennum;

第一层的权值数量为:10;即hiddennum;

第二层的阈值数量为:3*10 = 30;即hiddenum * outputnum;

第二层权值数量为:3;即outputnum;

于是可知我们优化的维度为:inputnum * hiddennum + hiddennum*outputnum + hiddennum + outputnum = 83;

适应度函数值设定:

本文设置适应度函数如下:
f i t n e s s = a r g m i n ( T r a i n D a t a E r r o r R a t e + T e s t D a t a E r r o r R a t e ) fitness = argmin(TrainDataErrorRate + TestDataErrorRate) fitness=argmin(TrainDataErrorRate+TestDataErrorRate)
其中TrainDataErrorRate,TestDataErrorRate分别为训练集和测试集的错误分类率。适应度函数表明我们最终想得到的网络是在测试集和训练集上均可以得到较好结果的网络。

4.测试结果:

从材料生成算法的收敛曲线可以看到,整体误差是不断下降的,说明材料生成算法起到了优化的作用:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5.Matlab代码

http://www.dt0577.cn/news/20785.html

相关文章:

  • 高端网站设计哪里比较好徐州百度推广公司
  • 网站备案资料下载百度网盘电话人工服务
  • 门户网站制作的公司广告语
  • 品牌建设经费投入占销售比重湖南优化推广
  • 哪里做网站靠谱优化防疫措施
  • 可以做qq空间背景音乐的网站seo零基础培训
  • 本地网站环境搭建app开发费用标准
  • 网站运营seo招聘宁波百度推广优化
  • 网站页面设计版权seo博客网站
  • 南通购物网站建设百度搜索引擎
  • 怎样用vs做简单网站市场营销咨询
  • 我在某赌博网站做代理武汉seo全网营销
  • python做的网站哪些网站优化的方式有哪些
  • 有什么可以在线做数学题的网站大连seo关键词排名
  • 做图片推广的网站吗软文写作服务
  • 在哪个网站做一件代发靠谱什么是电商?电商怎么做
  • 网站建设服务市场分析淘宝宝贝排名查询
  • 做网站需要多少钱济宁微信广告投放平台
  • 没有备案的网站怎么做淘宝客百度图片
  • 深圳网站建设推广论坛大连网络推广公司哪家好
  • 东营网站开发公司seo网站关键词优化价格
  • 互联网广告精准营销网页优化seo广州
  • 手机号注册网站免费的网络推广渠道
  • 网站开发方式演进北京企业网站seo平台
  • 网站重做推广软件的app
  • 江苏茂盛建设有限公司网站打开百度一下网页版
  • 网站开发的账务处理广告代理公司
  • 国内做的较好的网站免费推客推广平台
  • 专业外贸网站企业网上的推广
  • 网站构造全网品牌推广