2 qq 28907323 qq_28907323 于 2016.01.22 13:52 提问

/*c语言实现*/遗传算法改进BP神经网络原理和算法实现怎么弄? 100C

我现在在研究遗传算法改进BP神经网络,大概明白原理,但算法程序还有很多问题,求大神们教教我具体怎么把GA和BP结合,算法如何实现,给出代码或伪代码行吗?

1个回答

caozhy
caozhy   Ds   Rxr 2016.01.22 13:53

一般都是matlab去写,然后用C调用,用C语言得写到什么时候。

参考:http://www.docin.com/p-788836632.html

Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
遗传算法和BP人工神经网络算法C++实现代码
遗传算法和BP人工神经网络算法C++实现代码是通过c++来 完成两个算法,里面有详细的注释说明,希望对你有用
BP神经网络原理及其matlab实现
本文主要内容包括: (1) 介绍神经网络基本原理,(2) AForge.NET实现前向神经网络的方法,(3) Matlab实现前向神经网络的方法 。 第0节、引例         本文以Fisher的Iris数据集作为神经网络程序的测试数据集。Iris数据集可以在http://en.wikipedia.org/wiki/Iris_flower_data_set  找到。这里
BP神经网络的数学原理及其算法实现
BP神经网络,BP即Back Propagation的缩写,也就是反向传播的意思,顾名思义,将什么反向传播?文中将会解答。不仅如此,关于隐层的含义文中也会给出个人的理解。最后会用Java实现的BP分类器作为其应用以加深印象。   很多初学者刚接触神经网络的时候都会到网上找相关的介绍,看了很多数学原理之后还是云里雾里,然后会琢磨到底这个有什么用?怎么用?于是又到网上找别人写的代码,下下来之后看一眼发现代码写的很糟糕
遗传算法优化BP神经网络
遗传算法-—模拟自然界遗传机制和生物进化论而成的一种并行随机搜索最优化方法。基于自然界“优胜劣汰,适者生存”的生物进化原理引入优化参数形成的编码串联群体中,按照所选择的适应度函数并通过遗传中的选择、交叉和变异对个体进行筛选,使适应度值好的个体被保留,适应度差的个体被淘汰,新的群体既继承了上一代的信息,又优于上一代。反复循环,直至满足条件。 1.选择操作 2.交叉操作 3.变异操作 遗传算法是
遗传算法优化的BP神经网络建模
遗传算法优化的BP神经网络建模。 目标:    对y=x1^2+x2^2非线性系统进行建模,用1500组数据对网络进行构建网络,500组数据测试网络。由于BP神经网络初始神经元之间的权值和阈值一般随机选择,因此容易陷入局部最小值。本方法使用遗传算法优化初始神经元之间的权值和阈值,并对比使用遗传算法前后的效果。 步骤: 未经遗传算法优化的BP神经网络建模 1、 随机生成2000组两维随机数
BP神经网络原理
BP神经网络原理,BP神经网络原理,BP神经网络原理,BP神经网络原理
BP神经网络算法原理和详细推导流程
该文档详细介绍了BP 神经网络算法原理以及详细推导流程,简洁明了,容易看懂,非常适合BP神经网络的初学者学习。
遗传算法和bp神经网络结合(神经网络权值学习)
BP算法的误差减小,是反梯度方向进行的。因此,极易陷入局部极小点的困境。一旦训练学习样本数目多,输入输出关系比较复杂, 网络的收敛速度变得缓慢。表现为对网络结构的初值要求很高。初值的不合理, 会造成BP算法的收敛摆动, 以至不收敛。       GA在随机点集中遗传优化出bp神经网络结构的初值,再利用bp神经网络进行自我学习。       GA与其它优化算法不同, 它将“ 自然选择” 机理
matlab 遗传算法优化BP神经网络程序
关于神经网络的仿真程序,利用遗传算法优化神经网络的权值和阀值
BP神经网络+c代码
BP神经网络的设计应注意以下几个问题: 1.  网络的层数。一般三层网络结构就可以逼近任何有理函数。增加网络层数虽然可以提高计算精度,减少误差,但也使得网络复杂化,增加网络训练时间。如果实在想增加层数,应优先增加隐含层的神经数。 2.  隐含层的神经单元数。网络训练精度的提高,可以通过采用一个隐含层而增加神经元数的方法获得。具体设计上可以使隐含层是输入层的2倍,然后再适当增加一点余量。 3.