PSO粒子群算法优化神经网络

采用粒子群算法优化bp神经网络的权值和阈值，实现神经网络学习性能的提升

粒子群算法优化bp神经网络

神经网络粒子群优化算法MATLAB

粒子群优化神经网络算法

粒子群算法优化RBF神经网络MATLAB程序，适用于模式识别和函数逼近。

基于粒子群算法优化脉冲神经网络，更进一步优化现有的脉冲网络。

粒子群算法的代码，可以优化神经网络，也可以寻优极值。

Thisadd-intothePSOResearchtoolbox(Evers2009)aimstoallowanartificialneuralnetwork(ANNorsimplyNN)tobet

粒子群算法PSO应用于神经网络优化matlab-粒子群算法（PSO）应用于神经网络优化[matlab].rar粒子群算法（PSO）应用于神经网络优化[matlab].有程序OverviewpIntro

PSO粒子群算法优化神经网络，针对bp神经网络容易陷入局部极小，收敛速度慢的缺点，利用pso优化神经网络，提高了网络的泛化能力。

Matlab神经网络(九)--粒子群算法(PSO)实现函数极值优化

离子群优化算法是科研中常用的算法之一,在本资源包中,将常规BP神经网络与粒子群优化后的BP神经网络做了对比,得出较为可信的结果。

rt,粒子群算法优化的RBF神经网络

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

在Matlab中，使用粒子群优化算法（PSO）优化BP神经网络，实现多变量输入、单变量输出的数据分类预测。评价指标包括准确率和混淆矩阵。源码和数据均提供，需要Matlab 2018B及以上版本。