为解决常规PID控制难以在具有时变负载的自平衡系统中实时、精确调节负载的变化,在BP神经网络基础上,利用粒子群算法(PSO)优化BP神经网络,将神经网络的收敛速度进一步提高,并将算法应用到二轮平衡车控
matlab的程序,以及c的程序,适合入门以及做各种项目的新手。老手也能在这个程序的基础上修改参数和训练方法得到自己要的值
bp网络的建立和训练,RBF网络的建立和训练,MATLAB例程
Matlab神经网络(九)--粒子群算法(PSO)实现函数极值优化
虚拟自然景物技术发展到今天,构造虚拟植物的模型已经很多,但多数都侧重于图形学方面,主要研究对象在某一时刻的形态。受达尔文生物进化论思想启发,借鉴生物界自然选择和进化机制,从植物种群着手,以进化过程为研
粒子群-粒子群_神经网络混合算法在短期电价预测中的应用.pdf
粒子群算法
140
120}----
100
时段/h
时段h
10月6日
10月?日
时段/
真实值
时
粒子群-粒子群_神经网络混合算法在短期电价预测中的应用.pdf粒子群算法
RBF神经网络的训练 部分源码 clear;clc;close all data=[20.0000 260.0000 3.0000 20.0000 50.0000 50.0000 1.9120 20.
基于粒子群优化算法的BP神经网络在预测任务中的应用。传统的BP神经网络容易陷入局部最优解,而粒子群优化算法能够有效地克服这个问题。文章详细介绍了粒子群优化算法的原理以及其与BP神经网络的结合方法,并通
使用Python编写的RBF神经网络算法,用来对边坡的位移进行预测。该算法在实际中已经得到了验证,在边坡位移预测中具有很大的使用价值。