暂无评论
粒子群算法（Particle Swarm Optimization，PSO）是一种模拟鸟群或鱼群行为的优化算法，在解决复杂的参数优化问题方面表现出色。特别是在Radial Basis Function
在异步电机的矢量控制系统中,电机的转速检测是必不可少的,并且转速检测的精度直接影响磁场定向的准确性。讨论了各种无传感器速度辨识方法的特点,利用BP神经网络对异步电机转子转速进行辨识,通过粒子群算法优化
针对数据规模的扩大,重复记录检测效率往往不能进一步提升的问题,提出一种粒子群优化BP神经网络的重复记录检测方法,充分利用了神经网络的非线性映射和粒子群算法的全局优化特性。将基于学习的思想和进化的思想应
粒子群算法优化神经网络权值，是比较好的程序设计，程序的作者是武汉大学的博士
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。
粒子群算法及遗传算法优化RBF神经网络可用于回归及分类算法
通过井下人员定位管理系统可以解决煤矿井下人员管理困难,井上人员及时准确掌握井下的实时信息的问题。详细介绍了网络共享的的结构类型,信息发布的关键技术,通过利用ASP.NET技术和ArcIMS等技术完成系
粒子群算法与神经网络的结合建模，李文婷，吴锦，粒子群算法是一种基于群体智能的优化技术，该算法原理简单、易于实现。本文利用粒子群算法优化神经网络的参数，提出了粒子群算法
提出了一种基于RSSI方法的井下人员定位系统的设计方案,阐述了井下巷道数学建模方法和人员定位基本原理,重点介绍了该井下人员定位系统的硬件和软件实现方案。该系统通过在井下关键点布置无线传感器测点获取井下
将粒子群优化算法用于优化神经网络,有效地避免了神经网络易于陷入局部最小点、收敛速度慢等缺陷。将影响底板突水因子的水压、断层、岩溶发育、隔水层厚度作为输入矢量,将粒子群优化的神经网络模型用于煤矿的底板突
暂无评论