回归预测 | Matlab实现SA-BP模拟退火算法优化BP神经网络多变量回归预测

回归预测 | Matlab实现SA-BP模拟退火算法优化BP神经网络多变量回归预测

目录

• • [回归预测 | Matlab实现SA-BP模拟退火算法优化BP神经网络多变量回归预测](#回归预测 | Matlab实现SA-BP模拟退火算法优化BP神经网络多变量回归预测)
  • • 预测效果
    • 基本描述
    • 程序设计
    • 参考资料

预测效果

基本描述

1.Matlab实现SA-BP模拟退火算法优化BP神经网络多变量回归预测（完整源码和数据)

2.Matlab实现SA-BP模拟退火算法优化BP神经网络多变量回归预测；

3.数据集为excel，输入7个特征，输出1个变量，运行主程序main.m即可，其余为函数文件，无需运行；

4.优化参数为神经网络的权值和偏置，命令窗口输出RMSE、MAPE、MAE、R2等评价指标；运行环境Matlab2018b及以上.

5.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。

程序设计

• 完整程序和数据获取方式资源出下载Matlab实现SA-BP模拟退火算法优化BP神经网络多变量回归预测。

%%  参数设置
fun = @getObjValue;                                 % 目标函数
dim = inputnum * hiddennum + hiddennum * outputnum + ...
    hiddennum + outputnum;                          % 优化参数个数
lb  = -1 * ones(1, dim);                            % 优化参数目标下限
ub  =  1 * ones(1, dim);                            % 优化参数目标上限
pop = 20;                                            % 数量
Max_iteration = 20;                                 % 最大迭代次数   

%% 优化算法


%% 把最优初始阀值权值赋予网络预测
w1 = Best_pos(1 : inputnum * hiddennum);
B1 = Best_pos(inputnum * hiddennum + 1 : inputnum * hiddennum + hiddennum);
w2 = Best_pos(inputnum * hiddennum + hiddennum + 1 : inputnum * hiddennum + hiddennum + hiddennum*outputnum);
B2 = Best_pos(inputnum * hiddennum + hiddennum + hiddennum * outputnum + 1 : ...
    inputnum * hiddennum + hiddennum + hiddennum * outputnum + outputnum);

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