bp神经网络算法_bp神经网络算法步骤

bp神经网络算法

BP算法、BP神经网络、遗传算法、神经网络这四者之间的关系

问题补充：BP算法、BP神经网络、遗传算法、神经网络这四者之间的关系是什么？完全不懂，解答越简明扼要越好
●这四个都属于人工智能算法的范畴。其中BP算法、BP神经网络和神经网络属于神经网络这个大类。遗传算法为进化算法这个大类。神经网络模拟人类大脑神经计算过程，可以实现高度非线性的预测和计算，主要用于非线性拟合，识别，特点是需要“训练”，给一些输入，告诉他正确的输出。若干次后，再给新的输入，神经网络就能正确的预测对于的输出。神经网络广泛的运用在模式识别，故障诊断中。BP算法和BP神经网络是神经网络的改进版，修正了一些神经网络的缺点。遗传算法属于进化算法，模拟大自然生物进化的过程：优胜略汰。个体不断进化，只有高质量的个体（目标函数最小（大））才能进入下一代的繁殖。如此往复，最终找到全局最优值。遗传算法能够很好的解决常规优化算法无法解决的高度非线性优化问题，广泛应用在各行各业中。差分进化，蚁群算法，粒子群算法等都属于进化算法，只是模拟的生物群体对象不一样而已。

神经网络和遗传算法有什么关系？

问题补充：神经网络和遗传算法有什么关系？
●神经网络的设计要用到遗传算法，遗传算法在神经网络中的应用主要反映在3个方面：网络的学习，网络的结构设计，网络的分析。 1．遗传算法在网络学习中的应用 在神经网络中，遗传算法可用于网络的学习。这时，它在两个方面起作用 (1)学习规则的优化 用遗传算法对神经网络学习规则实现自动优化，从而提高学习速率。 (2)网络权系数的优化 用遗传算法的全局优化及隐含并行性的特点提高权系数优化速度。 2．遗传算法在网络设计中的应用 用遗传算法设计一个优秀的神经网络结构，首先是要解决网络结构的编码问题；然后才能以选择、交叉、变异操作得出最优结构。编码方法主要有下列3种： (1)直接编码法 这是把神经网络结构直接用二进制串表示，在遗传算法中，“染色体”实质上和神经网络是一种映射关系。通过对“染色体”的优化就实现了对网络的优化。 (2)参数化编码法 参数化编码采用的编码较为抽象，编码包括网络层数、每层神经元数、各层互连方式等信息。一般对进化后的优化“染色体”进行分析，然后产生网络的结构。 (3)繁衍生长法 这种方法不是在“染色体”中直接编码神经网络的结构，而是把一些简单的生长语法规则编码入“染色体”中；然后，由遗传算法对这些生长语法规则不断进行改变，最后生成适合所解的问题的神经网络。这种方法与自然界生物地生长进化相一致。 3．遗传算法在网络分析中的应用 遗传算法可用于分析神经网络。神经网络由于有分布存储等特点，一般难以从其拓扑结构直接理解其功能。遗传算法可对神经网络进行功能分析，性质分析，状态分析。 遗传算法虽然可以在多种领域都有实际应用，并且也展示了它潜力和宽广前景；但是，遗传算法还有大量的问题需要研究，目前也还有各种不足。首先，在变量多，取值范围大或无给定范围时，收敛速度下降；其次，可找到最优解附近，但无法精确确定最扰解位置；最后，遗传算法的参数选择尚未有定量方法。对遗传算法，还需要进一步研究其数学基础理论；还需要在理论上证明它与其它优化技术的优劣及原因；还需研究硬件化的遗传算法；以及遗传算法的通用编程和形式等。

帮我推荐一本有神经网络，遗传算法，专家系统等智能算法建模，仿真带c++/matlab源程序的书。

问题补充：书中尽量实例多点，实例中包括了智能算法怎么转化成应用模型，再用编程语言仿真实现的过程。谢谢！！！
●好像还没有一本书囊括了你所需要的所有算法.我对神经网络和遗传算法有过学习,所以对于这两个算法倒是可以推荐两本:1.神经网络模式识别及其实现,电子工业出版社,1999年版,这本是翻译国外的,里面讲的比较基础,又由C++的代码.2.遗传算法,王小平,曹立明著,西安交通大学出版社,里面也有比较详细的代码.其余的算法没看过,所以不太清楚.希望这些对你有所帮助.

bp神经网络如何预测风电功率

问题补充：bp神经网络如何预测风电功率
●需要用matlab来验证BP神经网络预测风险可行。因为如何得到模拟的输出结果？如这个虽然我不懂 但我也很同情你 祝你顺利过关~ 这个用工具箱来做就

求一份用BP神经网络进行预测的matlab代码，自己根据实际问题再套用一下

问题补充：求一份用BP神经网络进行预测的matlab代码，3层的就可以，前面几组用于训练，后面用于验证，再后边一两组用于预测。输入层大概是五六个影响因素组成，输出层节点一个，求一份代码，然后自己可以根据实际问题应用套用一下。谢谢！除代码之外，如果能把生成的图再解释一下更好。非常感谢
●BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。上传的m文件里是一个电力系统负荷预测的实例，用的是最简单的BP算法，你可以参考。很抱歉，回答者上传的附件已失效

bp神经网络matlab工具箱里每次是重新算还是迭代

问题补充：bp神经网络matlab工具箱里每次是重新算还是迭代
●每次都是重新建立网络，重新设置随机初始权值，重新训练，所以每次的训练结果都不相同。而且样本每次代入的顺序可能也是不一样的，所以训练的过程也不同。如果你是做仿真，可以多进行几次，选较好一些的结果。BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。

灰色理论预测和BP神经网络预测哪个难

问题补充：灰色理论预测和BP神经网络预测哪个难
●BP神经网络相对比较难，基本的灰色理论GM（1，1）与最小二乘类似，当然，各有难度各有用处，希望对你有帮助。

谁有《算法导论》和《离散数学及其应用的》的答案？

问题补充：谁有《算法导论》和《离散数学及其应用的》的答案？
●下面是两个链接：The.MIT.Press.Introduction.to.Algorithms  http://ul.to/bn9z50 习题答案.pdf   http://ul.to/b2lglr可以吧？
●？

求解地脚螺栓重量算法是多少？

●地脚螺栓M24*400重量是1.42公斤，24是表示螺栓直径是24mm。地脚螺栓用处是固定大型机器设备的固定螺栓(大/长螺丝)一头是地锚，固定在地上(一般是浇筑地基中)。一头是螺丝丝扣固定机器设备。锚杆的作用是锚杆与岩体锚固后的作用，有四种形式，即悬吊作用，组合作用，加固作用，锚杆的自承拱作用。
●以重量计算，单位吨，
假如地脚螺栓直径为60，长为2米，共20个
计算为：体积：0.03*0.03*3.14*2=0.005652m3
重量：0.005652*7.9=0.04465t
总重：0.04465*20=0.89t

地脚螺栓重量算法是什么？

●地脚螺栓M24*400重量是1.42公斤，24是表示螺栓直径是24mm。地脚螺栓用处是固定大型机器设备的固定螺栓(大/长螺丝)一头是地锚，固定在地上(一般是浇筑地基中)。一头是螺丝丝扣固定机器设备。锚杆的作用是锚杆与岩体锚固后的作用，有四种形式，即悬吊作用，组合作用，加固作用，锚杆的自承拱作用。