遗传算法优化的BP神经网络建模.pdfVIP

遗传算法优化的 BP神经网络建模 十一月匆匆过去， 每天依然在忙碌着与文档相关的东西， 在寒假前一个多月里， 努力做好手 头上的事的前提下多学习专业知识， 依然是坚持学习与素质提高并重， 依然是坚持锻炼身体， 为明年找工作打下基础。 遗传算法优化的 BP神经网络建模借鉴别人的程序做出的仿真， 最近才有时间整理。 目标： 对 y=x1^2+x2^2 非线性系统进行建模，用 1500 组数据对网络进行构建网络， 500 组数据测试网络。由于 BP 神经网络初始神经元之间的权值和阈值一般随机选择，因此容易 陷入局部最小值。 本方法使用遗传算法优化初始神经元之间的权值和阈值， 并对比使用遗传 算法前后的效果。 步骤： 未经遗传算法优化的 BP神经网络建模 1、 随机生成 2000 组两维随机数 (x1,x2) ，并计算对应的输出 y=x1^2+x2^2 ，前 1500 组 数据作为训练数据 input_train ，后 500 组数据作为测试数据 input_test 。并将数据存储在 data 中待遗传算法中使用相同的数据。 2、 数据预处理：归一化处理。 3、 构建 BP神经网络的隐层数，次数，步长，目标。 4、 使用训练数据 input_train 训练 BP神经网络 net 。 5、 用测试数据 input_test 测试神经网络，并将预测的数据反归一化处理。 6、 分析预测数据与期望数据之间的误差。 遗传算法优化的 BP神经网络建模 1、 读取前面步骤中保存的数据 data ； 2、 对数据进行归一化处理； 3、 设置隐层数目； 4、 初始化进化次数，种群规模，交叉概率，变异概率 5、 对种群进行实数编码，并将预测数据与期望数据之间的误差作为适应度函数； 6、 循环进行选择、交叉、变异、计算适应度操作，直到达到进化次数，得到最优的初 始权值和阈值； 7、 将得到最佳初始权值和阈值来构建 BP神经网络； 8、 使用训练数据 input_train 训练 BP神经网络 net; 9、 用测试数据 input_test 测试神经网络，并将预测的数据反归一化处理； 10、 分析预测数据与期望数据之间的误差。 算法流程图如下： 精选文库 运行后使用遗传算法改进前后误差的对比图： -- 2 精选文库 程序： 1、未经遗传算法优化的 BP神经网络建模 clear; clc; %%%%%%%%%%%%%输入参数 %%%%%%%%%%%%%% N=2000; %数据总个数 M=1500; %训练数据 %%%%%%%%%%%%%训练数据 %%%%%%%%%%%%%% for i=1:N input(i,1)=-5+rand*10; input(i,2)=-5+rand*10; end output=input(:,1).^2+input(:,2).^2; save data input output load data.m