搜索资源列表
bp5
- 基于遗传和BP算法的车牌图像快速匹配的研究
BP
- 基于BP神经网络算法的研究，主要比较了模拟退火算法、遗传算法、P神经网络的区别，提出了一种比较优化的BP算法-the research for BP
BP
- example.txt 仿真实例.txt 归一实例.txt 每次预测结果不一样的解释.txt 遗传算法优化BP神经网络权值和阈值的通用.txt -example.txt simulation examples. txt return an instance. txt is not the same each time the interpretation of predicted results. txt genetic algorithm BP neural netwo
Intelligent-controller
- PID控制算法简单、鲁棒性强，但其参数整定过程繁琐，整定时需要控制对象的精确数学模型，而且整定往往是针对某一种具体工况进行的，缺乏自学习和自适应能力。模糊神经网络则兼备了模糊逻辑和神经网络的优点，具有函数逼近功能，具有较强的自适应、自学习能力、容错能力和泛化能力。借助于遗传算法对全局性参数进行优化设计，借助于BP算法对局部性参数进行优化，将模糊神经网络和遗传算法引入PID控制参数的整定过程，构造出一种基于模糊神经网络和遗传算法的智能PID控制器-Intelligent controller ba
A-hybrid
- 针对传统的ＢＰ或ＧＡ对模糊神经网络的识别应用存在收敛容易陷入局部极小 识别率低下等问题 提出一 种基于ＢＦＧＳ的混合遗传算法 其基本思想为 首先构造一种前馈型模糊神经网络结构 然后用遗传算法进化若干代 后 当目标函数的梯度或者范数小于预先设定值 则改用ＢＦＧＳ算法进行优化识别 仿真实验表明 对比ＧＡ该算法 收敛速度较快 识别精度提高了约７％ 能够较好地应用于一类模糊神经网络的识别-In traditional BP or GA to identify the application
feixianxingnihe
- 在matlab软件中编程实现基于遗传算法优化BP神经网络非线性系统拟合算法-In the matlab software programming based on genetic algorithm to optimize the BP neural network nonlinear system fitting method
BP
- BP神经网络与遗传算法联合寻找函数的最小值-BP neural network optimization
chapter3
- 遗传算法、粒子群算法优化BP神经网络-非线性函数拟合-Genetic algorithm and particle swarm optimization for BP neural network nonlinear function fitting