分类预测 | MATLAB实现PSO-CNN粒子群算法优化卷积神经网络数据分类预测

分类预测 | MATLAB实现PSO-CNN粒子群算法优化卷积神经网络数据分类预测

目录

    • [分类预测 | MATLAB实现PSO-CNN粒子群算法优化卷积神经网络数据分类预测](#分类预测 | MATLAB实现PSO-CNN粒子群算法优化卷积神经网络数据分类预测)

分类效果





基本描述

1.Matlab实现PSO-CNN多特征分类预测,多特征输入模型,运行环境Matlab2018b及以上;

2.基于粒子群算法(PSO)优化卷积神经网络(CNN)分类预测,优化参数为,学习率,批处理,正则化参数;

3.多特征输入单输出的二分类及多分类模型。程序内注释详细,直接替换数据就可以用;

程序语言为matlab,程序可出分类效果图,迭代优化图,混淆矩阵图;

4.data为数据集,输入12个特征,分四类;main为主程序,其余为函数文件,无需运行,可在下载区获取数据和程序内容。

程序设计

clike 复制代码
%%  优化算法参数设置
SearchAgents_no = 3;                  % 数量
Max_iteration = 5;                    % 最大迭代次数
dim = 3;                              % 优化参数个数

 
%% 建立模型
lgraph = [
 
 convolution2dLayer([1, 1], 32)  % 卷积核大小 3*1 生成32张特征图
 batchNormalizationLayer         % 批归一化层
 reluLayer                       % Relu激活层

 dropoutLayer(0.2)               % Dropout层
 fullyConnectedLayer(num_class, "Name", "fc")                     % 全连接层
 softmaxLayer("Name", "softmax")                                  % softmax激活层
 classificationLayer("Name", "classification")];                  % 分类层




%% 参数设置
options = trainingOptions('adam', ...     % Adam 梯度下降算法
    'MaxEpochs', 10,...                 % 最大训练次数 
    'MiniBatchSize',best_hd, ...
    'InitialLearnRate', best_lr,...          % 初始学习率为0.001
    'L2Regularization', best_l2,...         % L2正则化参数
    'LearnRateSchedule', 'piecewise',...  % 学习率下降
    'LearnRateDropFactor', 0.1,...        % 学习率下降因子 0.1
    'LearnRateDropPeriod', 400,...        % 经过800次训练后 学习率
%% 训练
net = trainNetwork(p_train, t_train, lgraph, options);

%% 预测
t_sim1 = predict(net, p_train); 
t_sim2 = predict(net, p_test ); 

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm=1001.2014.3001.5502

[2] https://blog.csdn.net/kjm13182345320/article/details/128690229

相关推荐
jiang_huixin11 天前
PyTorch nn.Conv2d 空洞卷积
pytorch·深度学习·卷积神经网络
xiandong2018 天前
241011-在jupyter中实现文件夹压缩后下载
linux·前端·人工智能·学习·jupyter·卷积神经网络
Scalzdp23 天前
YOLO使用和深入学习01-卷积神经网络
人工智能·神经网络·学习·yolo·cnn·卷积神经网络
涩即是Null1 个月前
PyTorch实现卷积神经网络CNN
人工智能·pytorch·深度学习·神经网络·卷积神经网络
方世恩1 个月前
【深度学习】(8)--神经网络使用最优模型
人工智能·pytorch·深度学习·神经网络·卷积神经网络
阿_旭1 个月前
PyTorch构建卷积神经网络(CNN)训练模型:分步指南
人工智能·pytorch·深度学习·cnn·卷积神经网络
方世恩1 个月前
【深度学习】(6)--图像数据增强
人工智能·pytorch·深度学习·神经网络·卷积神经网络
方世恩1 个月前
【深度学习】(3)--损失函数
人工智能·python·深度学习·神经网络·算法·卷积神经网络
达柳斯·绍达华·宁2 个月前
感知算法引入时序模型的优势
深度学习·算法·卷积神经网络
菜就多练_08282 个月前
《深度学习》卷积神经网络CNN 原理及其流程解析
人工智能·深度学习·cnn·卷积神经网络