- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
用遗传算法优化BP神经网络程序
红色程序是用遗传算法直接训练BP权值
tic, % 开始计时
[P,T,R,S1,S2,S]=nninit; % BP网络初始化
% 随机生成W1,B1,W2,B2
[W1,B1]=rands(S1,R);
[W2,B2]=rands(S2,S1);
% BP网络训练的参数设置
disp_fqre=100; max_epoch=3000;err_goal=0.002;lr=0.01;
TP=[disp_fqre max_epoch err_goal lr];
% 开始训练
[W1,B1,W2,B2,te,tr]=trainbp(W1,B1,tansig,W2,B2,purelin,P,T,TP);
% 仿真结果
TT=simuff(P,W1,B1,tansig,W2,B2,purelin)
toc % 结束计时
% 在MATLAB6.5下编程
tic, % 开始计时
[P,T,R,S1,S2,S]=nninit; % BP网络初始化
% 生成BP网络
net = newff(minmax(P),[S1 S2],{logsig logsig},trainlm);
% BP网络训练的参数设置
net.trainParam.epochs = 3000;
net.trainParam.goal = 0.002;
net.trainParam.lr = 0.01;
% 开始训练
net = train(net,P,T);
% 仿真结果
TT=sim(net,P)
toc % 结束计时
% 遗传算法的适应值计算
function [sol, val] = gabpEval(sol,options)
% val - the fittness of this individual
% sol - the individual, returned to allow for Lamarckian evolution
% options - [current_generation]
[P,T,R,S1,S2,S]=nninit;
for i=1:S,
x(i)=sol(i);
end;
[W1, B1, W2, B2, P, T, A1, A2, SE, val]=gadecod(x);
tic, %开始计时
% 首先进行遗传算法
[P,T,R,S1,S2,S]=nninit;
aa=ones(S,1)*[-1 1];
popu=30;
initPpp=initializega(popu,aa,gabpEval);
gen=80; % 遗传代数
% 遗传计算
[x endPop bPop trace]=ga(aa,gabpEval,[],initPpp,[1e-6 1 1],maxGenTerm,gen,...
normGeomSelect,[0.09],[arithXover],[2],nonUnifMutation,[2 gen 3]);
% x The best found
% Lets take a look at the performance of the ga during the run
subplot(2,1,1)
plot(trace(:,1),1./trace(:,3),r-)
hold on
plot(trace(:,1),1./trace(:,2),b-)
xlabel(Generation);
ylabel(Sum-Squared Error);
subplot(2,1,2)
plot(trace(:,1),trace(:,3),r-)
hold on
plot(trace(:,1),trace(:,2),b-)
xlabel(Generation);
ylabel(Fittness);
% 下面进行BP算法
figure(2)
% 将遗传算法的结果分解为BP网络所对应的权值、阈值
[W1 B1 W2 B2 P T A1 A2 SE val]=gadecod(x);
% BP网络训练的参数设置
disp_fqre=100; max_epoch=3000;err_goal=0.002;lr=0.01;
TP=[disp_fqre max_epoch err_goal lr];
[W1,B1,W2,B2,te,tr]=trainbp(W1,B1,tansig,W2,B2,purelin,P,T,TP);
% 仿真结果
TT=simuff(P,W1,B1,tansig,W2,B2,purelin)
toc % 结束计时
% 将遗传算法的编
您可能关注的文档
- 健康教育板报内容2.doc
- 免疫教学大纲(A平台).doc
- 儿少卫生重点.doc
- 中国雕塑艺术与民间审美情趣.docx
- 儿童心理学平时作业(四).doc
- 儿少重点2008(修改版).doc
- 儿童生理卫生总结.doc
- 全国2011年7月高等教育自学考试公证与律师制度试题及答案.doc
- AI808串口通讯实验.doc
- 全国2006年7月自考法理学试题.doc
- 重庆新速达物业服务集团股份凯里公司招聘笔试题库2024.pdf
- 浙江杭州千岛湖泰众肉类食品有限公司招聘笔试题库2024.pdf
- 陕西新华出版传媒集团新华书店分公司招聘笔试题库2024.pdf
- 宁夏海原县肉牛产业发展集团有限公司招聘笔试题库2024.pdf
- 浙江温岭市化工轻工建筑材料有限公司招聘笔试题库2024.pdf
- 中航飞机汉中航空零组件制造有限公司招聘笔试题库2024.pdf
- 山东海阳市海昇矿产资源开发有限公司招聘笔试题库2024.pdf
- 山东潍坊寿光市公共交通运输有限公司招聘笔试题库2024.pdf
- 内蒙古察右前旗农业投资开发有限公司招聘笔试题库2024.pdf
- 线上清明祭英烈活动策划.pptx
文档评论(0)