搜索资源列表
PSOt
- 智能优化算法： 粒子群优化算法（PSO）应用于神经网络优化程序。分为无隐含层、一隐含层、二隐含层。运行DemoTrainPSO.m即可。 程序来自：Brian Birge NCSU-intelligent optimization algorithms : Particle Swarm Optimization (PSO) used neural network optimization procedures. Divided into hidden layer, a hidden
vc_pso719
- 粒子群算法的示例程序，不错。可用来进行函数优化、神经网络训练等。-PSO algorithm sample program, yes. Available for function optimization, neural network training.
NN-PSO
- 粒子群优化算法（PSO）应用于神经网络优化程序-Particle Swarm Optimization (PSO) algorithm used neural network optimization procedures
Class_Cover_PSO_FNN
- 基于类覆盖算法和粒子群优化的神经网络解决模式分类问题-algorithm based on the type coverage and PSO the neural network model to solve classification problems
fhycnetpsoCFM3.m
- 利用改进粒子群训练bp神经网络的matlab程序-improved PSO training bp neural network Matlab procedures
psopcnn
- 基于粒子群优化算法(PSO)确定参数的脉冲欧和神经网络滤波方法。利用粒子群优化算法(PSO)确定pcnn图像滤波参数，对图像进行滤波
psotb-beta-0.3
- 粒子群算法的matlab程序，包括结合神经网络
pso_train_net
- 此程序包是用粒子群算法来训练神经网络参数，只要打开demoPSOnet.m运行了，会出现动态的二维图
pso_stand_nn_ids
- 标准粒子群优化算法源码，结合人工神经网络的一个基准函数测试程序
PSO-evolutionarycomputation
- 粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation)，有Eberhart博士和kennedy博士发明。源于对鸟群捕食的行为研究 PSO同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉(crossover)以及变异(mutation)。而是粒子在解空间追随最优的粒子进行搜索。详细的步骤以后的章节介绍 同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目
IPSO-based_ANN_with_SA
- 一种基于神经网络与模拟退火算法的改进粒子群优化算法，是英文
PSO461nn
- 应用标准粒子群算法来建立一个实际非线性对象的神经网络辩识模型,神经网络形式为4-6-1
PSOnetwork
- 有关粒子群优化神经网络的硕士论文，研究相关领域的同行可以参考一下
PSOnetwork1
- 粒子群优化神经网络的硕士论文，PDF格式，可供参考
PSOnetwork2
- 有关粒子群优化神经网络的硕士论文，PDF格式
GAxunlianbp
- 粒子群寻优。 利用粒子群寻优的方法，对神经网络进行训练。
GAxunlianzhuhanshu
- 粒子群寻优。 利用粒子群寻优的方法，对神经网络进行训练。该源程序对以前的程序进行了改进。
bp2
- 利用粒子群PSO算法，设计一个使得前向神经网络的训练得到最优问题。-The use of particle swarm PSO algorithm, designed to allow a feed-forward neural network training problems to be optimal.
PSO-BP
- 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)
pso-elm
- 极限学习机，单隐层前馈神经网络，算法源程序。(Extreme learning machine, single hidden layer feedforward neural network, algorithm source code.)