由于BP网络的权值优化是一个无约束优化问题，而且权值要采用实数编码，所以直接利用Matlab遗传算法工具箱。以下贴出的代码是为一个19输入变量，1个输出变量情况下的非线性回归而设计的，如果要应用于其它情况，只需改动编解码函数即可。 - 下载
|
用GA训练BP网络的权值、阈值 。好的东西大家要共享啊。- 下载
|
由于BP网络的权值优化是一个无约束优化问题，而且权值要采用实数编码，所以直接利用Matlab遗传算法工具箱。以下贴出的代码是为一个19输入变量，1个输出变量情况下的非线性回归而设计的，如果要应用于其它情况，只需改动编解码函数即可。程序需要调用gaot工具箱.- 下载
|
遗传算法(GA)训练BP网络权值、阈值的matlab源码[matlab]-genetic algorithm (GA) BP training network value, the threshold value of the Matlab source [Matlab] 下载
|
该程序专门用于检验bp神经网络的连接权值-devoted to the testing procedures bp neural networks and the connection weights 下载
|
用GA直接训练BP网络的权重算法 主程序：gafault.m 它包括以下子程序： 1. BP网络初始化：nninit.m――给出P，T，R，S1，S2； 2. 适应值计算函数：gabpEval.m； 3．将遗传算法的编码解码为BP网络所对应的权值、阈值函数：gadecod.m； - 下载
|
反向传播(back－propagation,BP)算法是一种计算单个权值变化引起网络性能变化值的较为简单的方法。由于BP算法过程包含从输出节点开始，反向地向第一隐含层(即最接近输入层的隐含层)传播由总误差引起的权值修正，所以称为"反向传播"。-BP (back-propagation BP) algorithm is a calculation of the weights of individual changes in network performance changes in the value of a relatively simple approach. Due process includes BP algorithm from the output nodes, the reverse to the first hidden layer (input layer that is closest to the hidden layer) transmission errors caused by the total value of the right to amend, known as the "back-propagation." 下载
|
bp神经网络算法是解决最优化问题的先进算法之一，本论文讨论了神经网络中使用最为广泛的前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法（back-propagation简称BP算法）。BP算法存在局部极小点，收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。- 下载
|
通过BP神经网络学习一个3维的函数的源代码，为加快速度，程序初始化的为已经经过学习的得到结点权值，如果预设为随机值，将重新学习。-BP neural network through a three-dimensional study of the function of the source code to speed up, the initialization procedure for the study has already been node weights, if limited to random value, re-learn. 下载
|
落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系。人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法。基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快 该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路。-charged residual coal gas is to determine the volume of mining gas emission rate forecast an important link, which directly affect mining gas emission rate forecast accuracy, and with coal metamorphism, loading coal particle size, the original gas content, exposure time and other factors nonlinear relationship. Artificial neural networks have expressed arbitrary nonlinear relationships and the ability to solve complex nonlinear, time-varying uncertainty and the new ideas and new approaches. Based on this, the author of adaptive neural network loading coal residual gas production forecast model, and a combination of different loading coal mine gas remnants of the actual test results of research. Results show that the adaptive value of the right to change step BP neural network model predict 下载
|