如何利用人工蜂群算法优化BP神经网络进行数据预测并附上Matlab代码？
- 内容介绍
- 文章标签
- 相关推荐
本文共计706个文字，预计阅读时间需要3分钟。
1. 简介：针对BP网络水质评价模型的不足，引入人工蜂群（ABC）算法，将BP神经网络的各层权值、阈值转化为蜜源寻找过程，提出了一种新的组合人工蜂群算法BP网络水质评价方法。
1 简介
针对BP网络水质评价模型的不足,引入人工蜂群(ABC)算法,将求解BP神经网络各层权值、阀值的过程转化为蜜蜂寻找最佳蜜源的过程,提出了一种新的结合人工蜂群算法的BP网络水质评价方法(ABC-BP)。并以2000—2006年渭河监测断面的10组实测数据作为测试样本对其水质进行了评价,实验结果表明该方法得到的水质评价结果准确,并具有很强的稳定性和鲁棒性。
本文共计706个文字，预计阅读时间需要3分钟。
1. 简介：针对BP网络水质评价模型的不足，引入人工蜂群（ABC）算法，将BP神经网络的各层权值、阈值转化为蜜源寻找过程，提出了一种新的组合人工蜂群算法BP网络水质评价方法。
1 简介
针对BP网络水质评价模型的不足,引入人工蜂群(ABC)算法,将求解BP神经网络各层权值、阀值的过程转化为蜜蜂寻找最佳蜜源的过程,提出了一种新的结合人工蜂群算法的BP网络水质评价方法(ABC-BP)。并以2000—2006年渭河监测断面的10组实测数据作为测试样本对其水质进行了评价,实验结果表明该方法得到的水质评价结果准确,并具有很强的稳定性和鲁棒性。