?

一、簡介

BP神經(jīng)網(wǎng)絡(luò)具有很好的擬合非線性函數(shù)的能力,但傳統(tǒng)BP算法收斂慢,容易陷入局部極小值.不少研究人員從BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值著手,期望通過對(duì)初始權(quán)值和閾值的優(yōu)化來提高BP神經(jīng)網(wǎng)絡(luò)的性能.對(duì)此提出一種改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的算法,使用狼群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值,用數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)后預(yù)測(cè)函數(shù)的輸出.最后通過一個(gè)非線性函數(shù)來驗(yàn)證所提出模型的有效性.

二、源代碼

```matlab

%% WPA-BP神經(jīng)網(wǎng)絡(luò)

%% 清空環(huán)境

clear all;

close all;

clc;

data=xlsread('Test.xlsx','Sheet1','A2:G46');%讀取數(shù)據(jù)

[M,NN]=size(data);%M是樣本數(shù)，N是變量數(shù)

inputn=data(:,1:NN-1)';%訓(xùn)練樣本輸入

outputn=data(:,NN)';%訓(xùn)練樣本輸出

%節(jié)點(diǎn)個(gè)數(shù)

inputnum=NN-1;%輸入個(gè)數(shù)

hiddennum=12;%隱藏層

outputnum=1;%輸出個(gè)數(shù)

%構(gòu)建網(wǎng)絡(luò)

net=newff(inputn,outputn,hiddennum);

%% 狼群算法參數(shù)設(shè)置

tic

time = toc;

disp(['用時(shí)=? ',num2str(time)])

x=zbest;

%% 把最優(yōu)初始閥值權(quán)值賦予網(wǎng)絡(luò)預(yù)測(cè)

%% BP網(wǎng)絡(luò)訓(xùn)練

%網(wǎng)絡(luò)進(jìn)化參數(shù)

net.trainParam.epochs=100;%bp神經(jīng)網(wǎng)絡(luò)的代數(shù)

net.trainParam.lr=0.1;

%net.trainParam.goal=0.00001;

%網(wǎng)絡(luò)訓(xùn)練

[net,per2]=train(net,inputn,outputn);

%% BP網(wǎng)絡(luò)預(yù)測(cè)

% load data inputn_test output_test

inputn_test=inputn;%測(cè)試數(shù)據(jù)輸入

output_test=outputn;%測(cè)試數(shù)據(jù)輸出

an=sim(net,inputn_test);%預(yù)測(cè)

error=(an-output_test);%誤差

error_xiangdui=(an-output_test)./output_test;%相對(duì)誤差

figure(1)

plot(error_xiangdui,'ko-')

ylabel('相對(duì)誤差值')

title('狼群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)')

figure(2)

plot(error,'ro-')

ylabel('誤差值')

title('狼群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)')

figure(3)

plot(output_test,'r + -');

hold on;

plot(an,'b * -')

hold off

legend('真實(shí)值','預(yù)測(cè)值');

title('狼群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)')

三、運(yùn)行結(jié)果

四、參考文獻(xiàn)

[1]李常洪, and 趙偉棟. "基于狼群算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)." 科技創(chuàng)新與生產(chǎn)力 000.001(2016):56-58.