人工神经网络分析方法 灰色理论分析法的含义

昭棠笔记 2023-01-26

holy grail中文歌词-天骏

2022年5月1日发

(作者:night stalker)

第4O卷第5期 

2012年5月 

同济大学学报(自然科学版) 

J0URNAL OF TONGJI UNIvERSITY(NATURAL SCIENCE) 

Vo1.40 NO.5 

May 2012 

文章编号:0253—374X(2012)05—0740.04 DOI:10.3969/j.issn.0253—374x.2012.05.016 

基于改进粒子优化算法的灰神经网络模型 

马军杰 备案注销,尤建新 长沙网站优化培训,陈 震 

(1.同济大学法学院狼雨论坛,上海200092;2.同济大学经济与管理学院中山百度,上海200092) 

摘要:根据灰神经网络的参数随机选择类似于粒子算法 

中的粒子初始空间位置国外搜索引擎,采用改进粒子算法代替梯度修正 

法网站建设简介,对网络参数进行了处理,并通过寻粒子算法中的最 

优个体全网营销,建立了基于改进粒子算法的灰神经网络bandu,提高 

neural network.The paper presents a Dew method for 

optimizing network parameters and some new ideas for 

researches on forecasting mode1. 

Key words:particle swarm optimization(PSO);grey neural 

networks model(GNNM);predict 

了预测模型的稳健性和精度.通过解决短期订货量问题新闻推广,与 

反向传播(BP)神经网络、灰神经网络、没有改进的粒子 

灰神经网络算法和基于遗传算法的灰神经网络等方法 

进行了比较.分析结果表明网站统计工具,基于改进粒子算法的灰神 

经网络计算更为方便,并具有更好的逼近能力和预测精度. 

灰系统理论上海seo优化公司,是由我国学者邓聚龙教授于 

为优化网络模型参数提供了一种新方法网站改版,并拓展了预测模型 

的研究思路. 

关键词:粒子算法;灰神经网络模型;预测 

中图分类号:TP183 文献标识码:A 

1982年首创的一种系统科学理论.在灰系统中建 

立的模型称为灰模型,即GM模型又名茂名站长网,它能对不确定 

系统行为特征值的发展变化进行预测[1].灰建模 

要求的样本点少,不必有较好的分布规律宜昌seo,神经网络 

具有并行计算、分布式信息存储、强容错力、自适应 

学习功能等优点.将灰预测建模和神经网络技术 

融合起来,建立灰神经网络模型(grey neural 

networks model,GNNM)EZ],可以充分利用两者在 

Grey Neural Network Model Based 011 Modified 

Particle Swarm Optimization Algorithm and Its 

Application 

信息表现上存在的相似性及模型特点上存在的互补 

MA Junjie 百度联盟账号申请,YOUJianxin。合肥百度推广,CH ̄Zhen华夏seo。 

(1.Coliege of Law,Tongji University天津百度优化,Shanghai 200092兰州网站设计,China;2. 

性黑链代码,并能弥补单纯使用灰模型或单纯使用神经网 

络解决问题的不足. 

粒子优化算法(particle swarm optimization云南网站优化, College of Economics and Managementgoogle 优化,Ton ̄i University电子商务网站seo,Shanghai 

200092,China) PsO)则是计算智能领域除蚁算法、遗传算法之外 

的一种体智能优化算法,该算法最早由Kennedy 

和Eberhart在1995年提出[3-4].它具有搜索速度快、 

效率高的优点,早已广泛用于各类连续问题和离散 

问题的参数优化.然而粒子算法同时存在搜索精 

度不高,容易陷入局部更优解的缺点.因此,本文借 

Abstract:A grey neural network model is established with a 

modified particle swarm optimization(PSO)instead of the 

gradient correction method.The initial positions of the 

particles are chosen randomly according to the parameters of 

grey neural networks which are processed through PSO and 

he best inditvidual in particle swarm algorithm is searched to 

improve robustness and precision of the forecasting mode1. 

Through testing the effect of solving short-term order 

problem企业推广策划书,the model proves to be simple with better forecast 

precision and of a higher approximation capability compared 

鉴遗传算法中的变异思想,在粒子算法中引入变 

异操作,拓展种搜索空间,使粒子跳出先前搜索的 

更优区域挂黑链,在更大的空间中开展搜索企业网站建设现状,保持了粒子种 

的多样性免费网站推广软件,提出了改进的粒子算法.同时行者seo,根据 

灰神经网络的参数随机选择类似于粒子算法中 

with back propagation(BP)neural network,grey neural 

network利为汇论坛,the traditiona1 particles warm optimizer and BP 的粒子初始空间位置竞价推广开户,由计算误差不断调整网络参 

收稿日期:2Ol1--04--01 

基金项目:自然科学基金项目(71103128);“十一五”科技支撑计划(2009BAC62BO1) 

第一作者:马军杰(1978一)网站网络推广,男,理学博士,讲师,主要研究方向为城市与区域发展,低碳经济,知识产权管理 

E-mail:majunjie211@163.corn 

第5期 马军杰,等:基于改进粒子优化算法的灰神经网络模型 

数的过程类似粒子算法寻优过程免费seo软件,采用改进粒子 个粒子在D维搜索空间中位置地域网,同时代表问题一个 

算法代替梯度修正法,修正网络参数,使网络输出 潜在解.将X代入目标函数计算其适应度值,根据 

不断逼近期望输出北京搜索引擎营销,建立了基于改进粒子算法的 适应度值大小衡量X是否为问题更优解.第i个粒 

灰神经网络(改进PSO-GNNM),并进行了应用. 

子的速度为V 一(V V …,V ) ,其个体极值为 

Pi一(P¨P …王通seo教程2007版,P ) 百度搜索排名,种的全局极值为P 一 

(P P …,P ) .迭代中seo排名点击软件,粒子通过个体极值和全 

局极值更新自身的速度和位置pc端什么意思,更新公式如下_7]: 

V —ccJV +Cl1"1(P 一x )+ 

1 灰神经网络 ] 

设不确定系统的特征值的原始数列为z;∞(t一 

0,1,2,…,N一1)首页制作,经过一次累加生成后得到新的数 

列z ”呈指数增长规律,因而可以用一个连续函数 

或者微分方程进行数据拟合和预测.记z D为Y( ), 

N个参数的灰神经网络模型的微分方程表达式为 

+ 1一blY2+b2Y3+…+6 1Y (1) 

式中:Y 为输出变量; ( 一2网络排名,…四川网络推广, )为输入变量;口, 

b 为方程参数.式(1)解得表达式为 

(£)一( 1(O)一 )e-a+d一((_y1(O)一 )一 

Y1(0)’南+2d‘ )・(1+ )(2) 

其中 — bl (£)+ b2 

z百度。( )+…+ ( )优化seo,映射到 

扩展的反向传播(BP)神经网络得到灰神经网络北海网站建设, 

其模型结构如图1所示. 

图1灰神经网络模型结构示意图 

Fig.1 Structure of grey neural networks model 

图中输入变量权重为 一以seo是什么意思,输入层与隐含层 

权重为 一 人际网络营销课程, 一2承德网站建设,…, 百度关键词优化软件,输出层与隐含层权重 

“ 

为503 一1+e一 网站检测,J一1,…软文推广范例, . 

网络输出公式: 

.y1一W31C1+ 32C2+…+W3 C ~ l (3) 

式中:C1一hw21,C 一Yi(t)hw2 ,i一2baidu com百度,…,n,h=== 

南1 毕节网, 1一(1+e一 )( —Y1(o))・ 

2粒子算法原理 。- ] 

假设在一个D维的搜索空间中关键字排名优化软件,由 个粒子组 

成的种X一(X ,X ,…东百度公司, )沁阳网,其中第 个粒子表 

示为一个D维向量X 一( 网站seo服务,317 …成都竞价推广托管, ) ,代表第 

C2r2(P 一x ) (4) 

x 一X + (5) 

式(4),(5)中:C ,C 是加速系数,为非负常数yyseo,合适 

的C ,Cz既可加快收敛又不容易陷入局部更优 ,r 

为[0网络优化大师,1]之间的随机数; 为惯性因子;粒子在解空 

间内不断跟踪个体极值与全局极值进行搜索的关键词,直到 

达到规定的更大迭代次数或者规定的误差标准.为 

防止粒子的盲目搜索百度网络营销,将粒子位置和速度限制在[一 

X ,X ]西安seo外包,[一 百度上海代理, 怎么上facebook,1 ]. 

3 改进PSO-GNNM算法 

粒子算法容易早熟收敛、搜索精度较低、后期 

迭代效率不高等缺点_8].为克服这些缺点重庆整合网络营销,借鉴遗传 

算法中的变异思想,在算法中引入变异操作网络营销论坛,在粒子 

每次更新之后竞价排名,以一定概率重新初始化粒子.假设选 

择第 个粒子的第J个基因 进行变异郑州seo优化,变异操作 

方法如下: 

f z +ix 一ama )fig)r≥O.5 

lz +(以 一z )厂(g) r<o.5 

其中营销公关,fig)=rand(1一g/G ),g搜索引擎市场,G 分别是当前和 

更大迭代次数;ama 百度指数分析, 分别是 的上界和下界;r 

是[O,1]间随机数. 

同时为更好地平衡算法的全局搜索和局部搜索 

的能力郑州seo,采用线性递减惯性权值百度大师,公式为 

(走)==让,。t t一(叫m t—W nd)・ 

(Tma 一忌)/ (6) 

式中: …为初始惯性权值;W。na为最终迭代惯性权 

值; 为迭代次数;k为当前迭代次数.采用改进粒 

子算法数据分析方法,代替梯度修正法武汉seo招聘,修正灰神经网络参 

数.算法实现步骤如下: 

(1)对初始数据归一化网站历史,再对数据进行累加. 

(2)网络初始化.对粒子算法的加速系数C 平乡网, 

C2电商如何做推广,更大循环次数maxgen网站优化网站优化,种规模sizepop,更大位 

置X 优化建站,更大速度 ,遗传变异概率进行初始 

设定. 

同济大学学报(自然科学版) 第4O卷 

(3)根据输入输出样本对确定灰神经网络结 

取0.1.变异概率取0.81,个体范围上下限都分别取 

 构.根据网络结构确定待优化的网络参数 , ,网络 1和0.001.

参数个数即为种长度. 

(4)种初始化.随机产生sizepop个初始种 

X 百度营销,由X 计算其适应度值_厂 .适应度采用灰神 

经网络输出的平均误差.平均误差函数为 

表1 36个月的冰箱销售数据 

Tab.1 36 months’data of refrigerator sales 

-厂。 一 1∑∑l ~ l (7) 

儿i—l女一1 

式中: 为测试集的预测值;t 为i贝0试集的真实值; 

为测试集的个数; 为输出接点个数. 

根据计算的适应度值,出最小的. 404notfound,一适应度 

值对应的个体X 。 .令ZXmj 一X 360搜索引擎怎么样,zA , 一A . 昆明网站制作, 

ZXn 为最终的更优个体山东seo,zA .mi 为最终的更优适应 

度值. 

(5)启动循环网站营运,根据式(4),(5)更新粒子的位置 

X 和速度V 小江seotaobao,再以一定的概率初始化种X 到更 

新的X .由更新的X 计算其适应度值.厂 . 

(6)比较 和-厂 大小,如果 > It .成都竞价推广托管,则 

X 一X 甘肃做网站,以保留的个体. 

(7)经过步骤(4)、(5)的X 为新一代的个体. 

寻最小的 , ,及其对应的X .如果 长沙百度推广,mi < 

zUI1 .,则ZX~一X ,否则不操作. 

(8)循环步骤(4)~(6),当循环迭代达到更大 

次数时结束循环,并输出计算结果 , 优化软件。 免费收录网,Z ,mi . 

(9)把ZX i 赋给灰神经网络参数以301重定向,b 深圳seo技术,进行 

下一步的计算和结果输出. 

4数据与模型应用 

(1)基本资料:本文选用的为36个月的冰箱销 

量数据(表1)南宁seo,来自文献[9](限于篇幅软文广告范文,并且由于本 

文以算法优化设计为目标清风算法,因而对数据本身的详细 

说明进行了省略).该数据已经经过归一化处理.影 

响冰箱市场需求量还有很多因素网络互动营销,这里选择需求趋 

势、市场份额、价格波动、订单满足率和分销商联合 

预测等5个因素作为主要因素预测冰箱订单量. 

(2)对原始数据进行一次累加.确定样本对网络营销电影,根 

据样本对确定的灰神经网络结构为1—1—6—1,粒子 

种长度为6.选择前30个月的数据为训练数据 

训练网络,后6个月的数据为验证数据. 

(3)网络初始化.粒子种规模为500怎样处理公关危机,迭代 

500次旅游网站建设,两个加速系数因此都取1.4庆阳网站建设,权值因子开始 

为0.9,随着迭代的进行减小到0.1网络策划方案,更大位置和最 

大速度均取1.初始惯性权值取0.9站长门户,最终惯性权重 

(4)用30个样本进行训练,得到的更优解赋给 

灰神经网络进行计算. 

(5)计算结果见图2,并和BP神经网络,灰神 

经网络网络营销策划师,没有改进的粒子算法模型_lg]进行比较,平 

均误差比较结果见表2. 

通过验证结果分析能够看出,相比反向传播 

(BP)神经网络怎样做网络推广,GNNM要更好,BP神经网络有过拟 

现象;相比未优化的模型百度竞价排名服务,优化后的模型要好于未优 

化的模型;改进粒子算法的好于未改进的.改进模 

型PSO-GNNM的预测结果优于GA_GNNM模型 

结果.改进PS GNNM模型的优越性、平均误 

第5期 

, 平度网,‘

马军杰,等:基于改进粒子优化算法的灰神经网络模型 

j;1 

743 

差好于其他模型,可为生产实践提供更为准确的理 

效的新途径关键词竞价排名,为了解需求趋势、市场份额、价格波动、

论依据. 

一实际订单数 

—o一改进PSO—GNNM 

Ⅱ 

寸 2 

\ 

皿圄1 

鼯 

2 3 4 5 6 

侩} 

图2改进PSO-GNNM网络预测图 

Fig.2 Forecasting I.esult of modified PSO-GNNM 

表2改进PS()_GI 模型运行结果与其他预测模型比较 

Tab.2 Running result comparison of modiifed PSO- 

GNNM and other forecasting models 

5 结论 

(1)本文利用改进粒子算法与灰神经网各 

自的优点进行耦合,用改进的粒子算法代替梯度 

下降法云南建站,调整网络的权值,用灰神经网络输出的均 

方误差作为粒子适应度值,实现了灰神经网络模 

型参数的优化新密网,弥补了传统算法当中的部分缺陷. 

(2)以冰箱短期订单量为实例进行模型仿真. 

实例表明,相比其他模型,改进PSO-GNNM模型计 

算的平均误差更小,精度更高,更符合实际订 

单.在生产实际中,可以根据建立的模型seo blog,对市场进 

行预测,为生产管理服务济南seo网站优化,提高管理决策的科学性. 

(3)本文所提出的改进粒子优化算法的灰 

神经网络模型为短期订单预测研究提供了科学,有 

订单满足率和分销商联合预测和冰箱销量关系提供 

了一个总体认识. 

参考文献: 

[1] 邓聚龙.灰系统基本方法[M].武汉:华中科技大学出版社, 

2005.38—42. 

DENG Julong.The primary methods of grey system theory 

[M].Wuhan:Huazhong University of Science and Technology 

Press,2005.38—42. 

[2] 袁景凌,钟珞网站优化工作室,李小燕.灰神经网络的研究及发展lJ].武汉理 

工大学学报西部数码空间,2009(3):91. 

YUAN Jingling,ZH0NG Luo,LI Xiaoyan.The research and 

development of grey neural network[J].Journal of Wuhan 

University of Technology白帽,2009(3):91. 

[3] Kennedy J爱占,Eberhart R C.Particle swarm optimization[c]// 

Proceedings of IEEE International Conference on Neural 

Networks.Perth:IEEE Press,1995:1942--1948. 

r4] 

Eberhart R C,Kennedy J.A new optimizer using particle swarm 

theory[C]//Proceedings of the Sixth International Symposium 

on Micromachine and Human Science.Nagoya:IEEE Press衡阳网站优化, 

1995:39—43. 

[5] 

刘仁涛什么是网络广告,付强昌平网站建设,冯艳,等.基于RAGA的灰神经网络预测模型 

及其对三江平原地下水埋深的动态预测IJ].系统工程理论与 

实践,2008(5):171. 

LIU Rentao,FU Qiang,FENG Yan网络互动营销,et a1.Grey BP neural 

networks model based on RAGA and its application in 

groundwater dynamic prediction of the Sanjiang plain[J]. 

Systems Engineering--Theory&Practice,2008(5):171. 

[6] 张国华,张展羽牡丹江网络推广,邵光成日照网站优化,等.基于粒子优化算法的灌溉渠道 

配水优化模型研究-J].水利学报,2006,37(8):1004. 

ZHANG Guohua湖南百度推广,ZHANG Zhanyu,SHA0 Guangcheng网站建设维护,et a1. 

Optimization model for discharge distribution of irrigation 

channels based on particle swarm optimizer[J].Journal of 

Hydraulic Engineering,2006,37(8):L004. 

[7] 王波海外aso关键词优化,王灿林,梁国强.基于粒子寻优的D.S算法EJ].传感器 

与微系统网络广告模式,2007查网站关键词排名,26(1):84. 

WANG 13o.WANG Canlin。LIANG Guoqiang,D—S algorithm 

based on partical swarm optimizer[J].Transducer and Miero 

Systerm Technologies,2007浏览率,26(1):84. 

E8] 张志英,杨克开,于瑾维,等.改进粒子算法的动态空间调度 

方法_J],哈尔滨工程大学学报东网络营销,2009梧州网站优化,30(12):1344. 

ZHANG Zhiying网络营销李守洪排名大师,YANG Kekai如何推广一个app,YU Jinwei,et a1.Dynamic spatial 

scheduling approach based on improved particle swarnl 

optimization algorithm[J].Journal of Harbin Engineering 

University,2009,30(12):1344. 

[9] 史峰潜江网,Z;bJll站长工具网,郁磊,等.Matlab神经网络3O个案例分析[M]. 

北京:北京航空航天大学出版社荆州seo,2010.258-265. 

SHI Feng平湖网,WANG Xiaochuan,YU Lei.Matlab neural network 

analysis of 30 cas ̄s[M].Beijing:Beijing University of 

Aeronautics&Astronautics Press拉萨网站建设。2010.258—265. 

chimeiwangliang-爱情天梯电影下载