代码搜索：nninit_test
找到约 14 项符合「nninit_test」的源代码
代码结果 14
www.eeworm.com/read/179927/9331327
m nninit_test.m
function [P,T,R,S1,S2,S ,Q]=nninit_test
p=[1 0 0 0 0;
1 0 0 0 1;
1 1 0 0 1;
1 0 1 0 0;
1 0 0 1 0;
1 0 0 0 1;
0 1 0 0 0;
0 0 1 0 0;
0 0 0 1 0;
0 0 0 0 1;
0 1 1
www.eeworm.com/read/195877/8125086
m nninit_test.m
function [P,T,R,S1,S2,S ,Q]=nninit_test
% wnn网络初始化:给出网络的训练样本P、T,
% 输入、输出数及隐含神经元数R,S2,S1
xn(1)=0.4; a=1.6;
for e=1:3000
xn(e+1)=1-a*xn(e).^2; %非线性函数
end
%%%%%%%%%%%% 相空间重构, 取中间的数
www.eeworm.com/read/179927/9331328
m gadecod_test.m
% 将遗传算法的编码分解为BP网络所对应的权值、阈值
function [W1, shift_b1, W2, scale_a1, P, T, A1, A2, SE, val]=gadecod_test(x)
[P,T,R,S1,S2,S,Q]=nninit_test; %%%%%%%%%%%%% 修改
% 前R*S1个编码为W1
for i=1:S1,
fo
www.eeworm.com/read/195877/8125091
m gadecod_test.m
% 将遗传算法的编码分解为BP网络所对应的权值、阈值
function [W1, shift_b1, W2, scale_a1, P, T, A1, A2, SE, val]=gadecod_test(x)
[P,T,R,S1,S2,S,Q]=nninit_test; %%%%%%%%%%%%% 修改
% 前R*S1个编码为W1
for i=1:S1,
fo
www.eeworm.com/read/179927/9331331
m gabpeval_test.m
% 遗传算法的适应值计算
function [sol, val] = gabpEval_test(sol,options)
% val - the fittness of this individual
% sol - the individual, returned to allow for Lamarckian evolution
% options - [current_genera
www.eeworm.com/read/195877/8125098
m gabpeval_test.m
% 遗传算法的适应值计算
function [sol, val] = gabpEval_test(sol,options)
% val - the fittness of this individual
% sol - the individual, returned to allow for Lamarckian evolution
% options - [current_genera
www.eeworm.com/read/179927/9331321
txt readme.txt
遗传算法优化小波神经网络的源程序
主程序清单如下
1.构造的非线性函数: 位于nninit_test.m
2.直接用WNN逼近非线性:Wnn_test.m, (内部调用小波函数)
3.遗传算法优化后逼近 :GA_Wnn_test.m (内部调用遗传算法的,初始化,适应度,解码函数)
直接运行2,3
图清单:
优化前后的误差图: wnn_mse.f
www.eeworm.com/read/361503/10049857
txt readme.txt
遗传算法优化小波神经网络的源程序
主程序清单如下
1.构造的非线性函数: 位于nninit_test.m
2.直接用WNN逼近非线性:Wnn_test.m, (内部调用小波函数)
3.遗传算法优化后逼近 :GA_Wnn_test.m (内部调用遗传算法的,初始化,适应度,解码函数)
直接运行2,3
图清单:
优化前后的误差图: wnn_mse.f
www.eeworm.com/read/195877/8125071
txt readme.txt
遗传算法优化小波神经网络的源程序
主程序清单如下
1.构造的非线性函数: 位于nninit_test.m
2.直接用WNN逼近非线性:Wnn_test.m, (内部调用小波函数)
3.遗传算法优化后逼近 :GA_Wnn_test.m (内部调用遗传算法的,初始化,适应度,解码函数)
直接运行2,3
图清单:
优化前后的误差图: wnn_mse.f
www.eeworm.com/read/179927/9331326
m ga_wnn_test.m
%%%%%%%%%%%%%%%%%%%5
clc
clear
tic, %开始计时
% 首先进行遗传算法
[P,T,R,S1,S2,S,Q]=nninit_test;
aa=ones(S,1)*[-1 1];
popu=30;
initPpp=initializega(popu,aa,'gabpEval_test');
gen=80; % 遗传代数
% 遗传计算
[x en