基于静电放电优化的BP神经网络(分类应用) - 附代码

基于静电放电优化的BP神经网络(分类应用) - 附代码

文章目录

摘要:本文主要介绍如何用静电放电算法优化BP神经网络,利用鸢尾花数据,做一个简单的讲解。

1.鸢尾花iris数据介绍

本案例利用matlab公用的iris鸢尾花数据,作为测试数据,iris数据是特征为4维,类别为3个类别。数据格式如下:

特征1 特征2 特征3 类别
单组iris数据 5.3 2.1 1.2 1

3种类别用1,2,3表示。

2.数据集整理

iris数据总共包含150组数据,将其分为训练集105组,测试集45组。如下表所示:

训练集(组) 测试集(组) 总数据(组)
105 45 150

类别数据处理:原始数据类别用1,2,3表示为了方便神经网络训练,类别1,2,3分别用1,0,0;0,1,0;0,0,1表示。

当进行数据训练对所有输入特征数据均进行归一化处理。

3.静电放电优化BP神经网络

3.1 BP神经网络参数设置

通常而言,利用智能算法一般优化BP神经网络的初始权值和阈值来改善BP神经网络的性能。本案例基于iris数据,由于iris数据维度不高,采用简单的BP神经网络。神经网络参数如下:


图1.神经网络结构

神经网络参数如下:

matlab 复制代码
%创建神经网络
inputnum = 4;     %inputnum  输入层节点数 4维特征
hiddennum = 10;     %hiddennum  隐含层节点数
outputnum = 3;     %outputnum  隐含层节点数
net = newff( minmax(input) , [hiddennum outputnum] , { 'logsig' 'purelin' } , 'traingdx' ) ;
%设置训练参数
net.trainparam.show = 50 ;
net.trainparam.epochs = 200 ;
net.trainparam.goal = 0.01 ;
net.trainParam.lr = 0.01 ;

3.2 静电放电算法应用

静电放电算法原理请参考:https://blog.csdn.net/u011835903/article/details/118755197

静电放电算法的参数设置为:

matlab 复制代码
popsize = 10;%种群数量
    Max_iteration = 15;%最大迭代次数
lb = -5;%权值阈值下边界
ub = 5;%权值阈值上边界
%  inputnum * hiddennum + hiddennum*outputnum 为阈值的个数
%  hiddennum + outputnum 为权值的个数
dim =  inputnum * hiddennum + hiddennum*outputnum + hiddennum + outputnum ;%  inputnum * hiddennum + hiddennum*outputnum维度

这里需要注意的是,神经网络的阈值数量计算方式如下:

本网络有2层:

第一层的阈值数量为:4*10 = 40; 即inputnum * hiddennum;

第一层的权值数量为:10;即hiddennum;

第二层的阈值数量为:3*10 = 30;即hiddenum * outputnum;

第二层权值数量为:3;即outputnum;

于是可知我们优化的维度为:inputnum * hiddennum + hiddennum*outputnum + hiddennum + outputnum = 83;

适应度函数值设定:

本文设置适应度函数如下:
f i t n e s s = a r g m i n ( T r a i n D a t a E r r o r R a t e + T e s t D a t a E r r o r R a t e ) fitness = argmin(TrainDataErrorRate + TestDataErrorRate) fitness=argmin(TrainDataErrorRate+TestDataErrorRate)

其中TrainDataErrorRate,TestDataErrorRate分别为训练集和测试集的错误分类率。适应度函数表明我们最终想得到的网络是在测试集和训练集上均可以得到较好结果的网络。

4.测试结果:

从静电放电算法的收敛曲线可以看到,整体误差是不断下降的,说明静电放电算法起到了优化的作用:


5.Matlab代码

相关推荐
sivdead36 分钟前
从被动查询到主动智能:数据应用智能体的技术演进路线图
人工智能·后端·架构
nightunderblackcat39 分钟前
新手向:用AI破解数据质量难题
人工智能·机器学习·自然语言处理
Anyspace43 分钟前
本地部署DeepSeek模型完全指南:安装、配置与使用详解
人工智能
里昆1 小时前
【AI】Jupyterlab中打开文件夹的方式
人工智能·学习
图灵学术计算机论文辅导1 小时前
特征融合+目标检测!3篇CVPR新作把多模态目标检测拉高10个mAP
论文阅读·人工智能·考研·机器学习·计算机视觉·目标跟踪·信息与通信
灬爱码士灬1 小时前
Open CV图像基本操作可莉版
人工智能·opencv·计算机视觉
天天找自己1 小时前
图像梯度处理与边缘检测
人工智能·计算机视觉
POLOAPI1 小时前
AI大模型成本为何能降低99%?技术突破背后的秘密是什么?
人工智能
静心问道2 小时前
CacheGen:用于快速大语言模型推理服务的 KV 缓存压缩与流式传输
人工智能·模型加速·ai技术应用·缓存压缩与传输
小子阿四2 小时前
WaveSpeedAI是世界上第一个接Wan 2.2 API的平台
人工智能·aigc