布谷鸟搜索(Cuckoo Search, CS)算法是一种新型群体智能优化算法,不仅结合了许多鸟类及果蝇特殊的利维飞行模式进行搜索,而且增加了群体之间的信息交流,加快收敛速度,为BP神经网络机参数优化提供了一种新的研究工具。为了提高电力系统负荷和天气预测精度,提出一种CS算法优化BP神经网络参数的负荷和天气预测预测模型(CS-BP)。
基于CS优化的BP神经网络 本文提出的模型将CS用于优化BP神经网络的权重和阈值。具体步骤如下: 初始化CS-BP神经网络的权重和阈值。 将CS-BP神经网络的权重和阈值编码为布谷鸟。 计算每个布谷鸟的适应度,即CS-BP神经网络在训练集上的预测误差。 生成新的布谷鸟,并将其替换适应度较差的布谷鸟。 更新CS-BP神经网络的...
为了提高短时交通流量的预测精度,提出一种布谷鸟搜索算法优化 BP 神经网络参数的短时交通流量预测模型(CS-BPNN).基于混沌理论对短时交通流量时间序列进行相空间重构,将重构后的时间序列输入到 BP神经网络进行学习,采用布谷鸟搜索算法找到 BP 神经网络最优参数,建立短时交通流量预测模型,通过具体实例对 CS-BPNN 性能...
基于CS与BP图像压缩算法 The Image Compression Algorithm Based on CS and BP 作者： 田鹏义;周辉;许定根 作者机构： 中国人民解放军装备学院昌平士官学校测控通信系,北京102200 出版物刊名： 渭南师范学院学报：综合版 页码： 70-73页 年卷期： 2013年 第6期 主题词： 压缩感知;神经网络;网络节点;观测矩阵 ...
(SOH)的预测是电动汽车锂电池管理系统的最重要的关键技术之一;传统的误差逆向传播(BP)神经网络容易使权值和阈值陷入局部最优,从而导致预测结果不精确;结合布谷鸟搜索算法(CS)的全局优化能力,提出一种基于CS算法优化BP神经网络的锂电池SOH预测方法,该方法的核心在于优化BP神经网络的初始权值和阈值,从而减小算法对初始值...
CS算法优化BP神经网络的短时交通流量预测_高述涛
BP算法其实就是链式的反向传播,如图所示。 图中f相当于输出层的某一个神经元。绿色箭头代表的是得分数据的前向传播f(x,y)=z,红色箭头表示梯度的反向传播。链式法则告诉我们,通过局部梯度将损失函数的梯度传递回去。再反向传播过程中,只需要给出∂z/∂x,∂z/∂y局部梯度,就可以从损失函数L关于输出层数据...
CS231n-反向传播算法BP(2) 原博客:https://blog.csdn.net/huplion/article/details/79069365 (在此仅作学习记录作用) 一、前言 在前几篇文章中,我们学习到如何在训练集上设置权重,并由此计算出损失(loss),其中loss是由两部分组成,分别是数据损失项和正则化项目。我们最终想要得到损失函数关于权重矩阵w的梯度...
布谷鸟算法(CS)优化BP神经网络分类预测,CS-BP分类预测,多特征输入模型 多特征输入单输出的二分类及多分…
摘要 In order to eliminate the performance gap between the belief propagation (BP) decoding and the maximum-likelihood (ML... 关键词LT码 / 二进制删除信道(BEC) / 置信传播(BP)译码 / 最大似然(ML)译码 收藏 全部来源 求助全文 掌桥科研 ...