NeatDM1.4.10是一款Python工具包，采用遗传算法来优化神经网络结构，常用于机器学习领域以提升神经网络性能。该工具包包含创建、运行和评估神经网络优化的遗传算法工具。借助NeatDM1.4.10，您能够提高神经网络模型的准确性和速度，轻松加速您的项目。
暂无评论
近年来, 卷积神经网络(Convolutional neural network, CNNs)在计算机视觉、自然语言处理、语音识别等领域取得了突飞猛进的发展, 其强大的特征学习能力引起了国内外专家学者
利用粒子群算法（PSO）对BP神经网络模型进行优化，可以对数据进行仿真训练，可以对变形监测以及其他领域的数据进行预测，实验结果表明粒子群算法（PSO）对BP神经网络模型比BP神经网络模型有着更好的预测
遗传群算法优化bp神经网络，算法经过改进 对神经网络进行优化
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
本代码主要利用遗传算法对经典BP神经网络进行优化，应用于非线性函数的拟合
基于遗传算法优化的神经网络算法
遗传算法优化RBF神经网络代码，十分详细，通俗易懂，可供阅读与学习
针对网络安全态势预测，为了提高预测精度和预测算法的收敛速度，采用一种改进的粒子群算法来优化径向基函数神经网络。首先，ＰＳＯ的惯性权重因子按一条开口向左的抛物线递减，在保证全局寻优的同时又增强了局部搜索
利用PSO优化BP神经网络的初始权值和阈值，使仿真结果更加稳定。
Thisadd-intothePSOResearchtoolbox(Evers2009)aimstoallowanartificialneuralnetwork(ANNorsimplyNN)tobet
暂无评论