如何利用神经网络结合遗传算法进行非线性函数极值寻优(1)
2016-11-30 20:06
615 查看
data.m 文件 用于构造数据
bp.m文件 用于拟合非线性函数
fun.m文件 适应度函数
code.m文件 染色体编码
select.m文件 选择算子
cross.m文件 交叉算子
mutation.m文件 变异算子
test.m 验证编码有效性
genetic.m遗传算法主函数
相关文章推荐
- 如何利用神经网络结合遗传算法进行非线性函数极值寻优(2)
- 基于Matlab的神经网络结合遗传算法在非线性函数极值寻优中的应用
- 如何利用训练好的神经网络进行预测
- 如何利用训练好的神经网络进行预测
- Uber AI实验室总结「神经进化」研究:如何利用遗传算法优化网络?
- Uber AI实验室总结「神经进化」研究:如何利用遗传算法优化网络?
- Keras 如何利用训练好的神经网络进行预测
- 如何利用BP网络进行神经网络变量筛选
- Torch7学习(六)——学习神经网络包的用法(4)——利用optim进行训练
- 如何利用SOM网络进行柴油机故障诊断
- 使用Matlab结合神经网络模型对多波段影像进行计算
- 利用Pybrain库进行神经网络函数拟合
- 神经网络(12)--具体实现:如何对back propagation的正确性进行验证
- 利用神经网络 遗传算法求得函数极小极大值
- 神经网络案例分析4-5-神经网络遗传算法函数极值寻优-基于BP_Adaboost 的强分类器设计
- Opencv利用神经网络进行车牌识别(c++)
- 如何利用自组织竞争网络进行患者癌症发病预测
- 7、神经网络是如何进行学习的?
- python关于如何进行Keras神经网络可视化的配置
- 如何利用神经网络和Python生成指定模式的密码