【机器学习】基于树种算法优化的BP神经网络分类预测（TSA-BP）

本文主要是介绍【机器学习】基于树种算法优化的BP神经网络分类预测（TSA-BP），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

---

1.原理与思路

• 【智能算法应用】智能算法优化BP神经网络思路
• 【智能算法】树种优化算法（TSA）原理及实现
  

2.设计与实现

数据集：
多输入多输出：样本特征24，标签类别4。
求解问题维度：

dim =  inputnum * hiddennum + hiddennum*outputnum + hiddennum + outputnum ; % 维度

适应度函数：
$$fitness=argmin(mse(T_{train}err)+mes(T_{test}err))$$
部分代码如下：

pop = 50; %种群数量
maxIter = 20; %最大迭代数
dim = inputnum * hiddennum + hiddennum*outputnum + hiddennum + outputnum; %维数
ub = ones(1,dim); %变量上边界
lb = -ones(1,dim); %变量下边界
fobj = @(x) fun(x); %目标函数
[Best_pos,Best_fitness ,Iter_curve,~,~] = F_solve(pop, maxIter,ub,lb,dim,fobj); %求解

程序结构：

3.结果预测

4.代码获取

代码传送门

这篇关于【机器学习】基于树种算法优化的BP神经网络分类预测（TSA-BP）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---