| 查看: 380 | 回复: 2 | ||
[求助]
【Matlab】求助有没有大侠用过matlab的神经网络优化发酵培养基？
|
|
求助有没有大侠用过matlab的神经网络优化发酵培养基？急求帮助！！！！！！ 特别是Bp网络结合GA算法的! |
回复此楼» 猜你喜欢
271求调剂
已经有34人回复
-
327求调剂
已经有10人回复
-
297求调剂
已经有23人回复
-
材料工程281还有调剂机会吗
已经有33人回复
-
各位老师好，求调剂，本科211，一志愿天津大学生物与医药学硕，差两名录取。
已经有4人回复
-
本科郑州大学，一志愿华东师范大学282求调剂
已经有32人回复
-
求调剂
已经有10人回复
-
一志愿211 0703化学 346分求调剂
已经有29人回复
-
化工学硕294分，求导师收留
已经有22人回复
-
327求调剂
已经有17人回复
» 本主题相关价值贴推荐，对您同样有帮助:
- 求助大侠帮忙，有关matlab模拟数据
已经有29人回复
- 产蛋白酶的芽孢菌优化时用什么发酵培养基
已经有3人回复
- Matlab人工神经网络工具箱的位置及使用
已经有5人回复
- 【求助/交流】DNS法测棕红色发酵培养基中还原糖能行吗
已经有4人回复
- 有人学过<神经网络>和《模糊数学》还有《matlab》这三门课吗？名字都好虚幻~
已经有20人回复
- 【求助/交流】真菌发酵培养基？？？？？？？急！！！！
已经有23人回复
- 【求助】matlab 二次规划的优化的问题
已经有4人回复
- 【原创】求助！菲林法测定化学发酵培养基总糖不变！！！
已经有5人回复
- 【求助】发酵培养基中磷酸盐的配比
已经有6人回复
- 【求助】MATLAB中BP神经网络的训练算法具体是怎么样的？
已经有5人回复
yqx1985
木虫 (著名写手)
云中仙
- 应助: 34 (小学生)
- 贵宾: 0.032
- 金币: 1608.8
- 散金: 1182
- 红花: 33
- 帖子: 1544
- 在线: 620.3小时
- 虫号: 550008
- 注册: 2008-04-22
- 性别: GG
- 专业: 药物设计与药物信息
【答案】应助回帖
★
xzhdty(金币+1): 欢迎常来 2011-10-09 12:13:26
xzhdty(金币+1): 欢迎常来 2011-10-09 12:13:26
|
function ga_bp %1)主程序 %遗传算法对BP网络进行优化 global P global T global R global S2 global S1 global S P=p; T=t; R=size(P,1); S2=size(T,1); S1=25;%隐含层节点数 S=R*S1+S1*S2+S1+S2;%遗传算法编码长度 aa=ones(S,1)*[-1,1]; popu=50;%种群规模 initPpp=initializega(popu,aa,'gabpEval');%初始化种群 gen=100;%遗传代数 %调用GAOT工具箱，其中目标函数定义为gabpEval [x,endPop,bPop,trace]=ga(aa,'gabpEval',[],initPpp,[1e-6 1 1],'maxGenTerm',gen,... 'normGeomSelect',[0.09],['arithXover'],[2],'nonUnifMutation',[2 gen 3]); %绘收敛曲线图 figure(1) plot(trace(:,1),1./trace(:,3),'r-'); hold on plot(trace(:,1),1./trace(:,2),'b-'); xlabel('Generation'); ylabel('Sum-Squared Error'); figure(2) plot(trace(:,1),trace(:,3),'r-'); hold on plot(trace(:,1),trace(:,2),'b-'); xlabel('Generation'); ylabel('Fittness'); %将遗传算法的编码分解为BP网络所对应的权值、阈值 function[W1,B1,W2,B2,P,T,A1,A2,SE,val]=gadecod(x) % [P,T,R,Sl,S2,S]=nninit; %前R*S1个编码为W1 global p global t global R global S2 global S1 global S global P global T for i=1:S1 for k=1:R W1(i,k)=x(R*(i-1)+k); end end %接着的S1*S2个编码(即第R*S1个后的编码)为W2 for i=1:S2 for k=1:S1 W2(i,k)=x(S1*(i-1)+k+R*S1); end end %接着的S1个编码(即第R*SI+SI*S2个后的编码)为B1 for i=1:S1 B1(i,1)=x((R*S1+S1*S2)+i); end %接着的S2个编码(即第R*SI+SI*S2+S1个后的编码)为B2 for i=1:S2 B2(i,1)=x((R*S1+S1*S2+S1)+i); end %计算S1与S2层的输出 A1=tansig(W1*P,B1); A2=purelin(W2*A1,B2); %计算误差平方和 SE=sumsqr(T-A2); val=1/SE;%遗传算法的适应值 %将遗传算法的结果分解为BP网络所对应的权值、阈值 % [W1,B1,W2,B2,P,T,A1,A2,SE,val]=gadecod(x); %适应值函数gabpEval function[sol,val]=gabpEval(sol,options) %val-the fittness of this individual %s01-the individual。returned to allow for Lamarckian evolution %options-[current_generation] day=[0.9363 -0.9698 -0.9907 -0.9562 -0.9507 0.9363 -0.9164 0.9045 0.8918; -0.9358 -0.9751 0.9821 -0.9544 -0.9469 0.9426 0.9182 0.8967 -0.8841; 0.9516 -0.9781 -0.9744 -0.9525 0.9509 0.9368 0.9082 -0.8903 -0.8665; -0.9480 -0.9795 -0.9796 -0.9507 0.9509 0.9300 -0.9075 -0.8902 -0.8671; -0.9433 -0.9923 -0.9812 -0.9596 -0.9406 -0.9230 0.9071 -0.8864 -0.8547; -0.9424 1.0000 -0.9800 -0.9514 0.9349 -0.9089 0.9206 -0.8780 -0.8414; 0.9355 -0.9878 -0.9737 -0.9499 0.9337 0.9084 -0.9072 -0.8745 -0.8332] %数据预处理 dayh=day; [dayhn,mindayh,maxdayh]=premnmx(dayh); m=dayhn; %输入和输出样本 P=m(:,1:8); T=dayhn(:,2:9); R=size(P,1); S2=size(T,1); S1=25%隐含层节点数 S=R*S1+S1*S2+S1+S2;%遗传算法编码长度 for i=1:S, x(i)=sol(i); end; [W1,B1,W2,B2,P,T,A1,A2,SE,val]=gadecod(x); day=[0.9363 -0.9698 -0.9907 -0.9562 -0.9507 0.9363 -0.9164 0.9045 0.8918; -0.9358 -0.9751 0.9821 -0.9544 -0.9469 0.9426 0.9182 0.8967 -0.8841; 0.9516 -0.9781 -0.9744 -0.9525 0.9509 0.9368 0.9082 -0.8903 -0.8665; -0.9480 -0.9795 -0.9796 -0.9507 0.9509 0.9300 -0.9075 -0.8902 -0.8671; -0.9433 -0.9923 -0.9812 -0.9596 -0.9406 -0.9230 0.9071 -0.8864 -0.8547; -0.9424 1.0000 -0.9800 -0.9514 0.9349 -0.9089 0.9206 -0.8780 -0.8414; 0.9355 -0.9878 -0.9737 -0.9499 0.9337 0.9084 -0.9072 -0.8745 -0.8332]; %数据预处理 dayh=day; [dayhn,mindayh,maxdayh]=premnmx(dayh); m=dayhn; %输入和输出样本 p=m(:,1:8); t=dayhn(:,2:9); %测试样本 k=[0.9435 0.9796 -0.9706 -0.9552 -0.9298 -0.9130 -0.9003 0.8708 0.8234; -0.9358 -0.9751 0.9821 -0.9544 -0.9469 0.9426 0.9182 0.8967 -0.8841; 0.9516 -0.9781 -0.9744 -0.9525 0.9509 0.9368 0.9082 -0.8903 -0.8665; -0.9480 -0.9795 -0.9796 -0.9507 0.9509 0.9300 -0.9075 -0.8902 -0.8671; -0.9433 -0.9923 -0.9812 -0.9596 -0.9406 -0.9230 0.9071 -0.8864 -0.8547; -0.9424 1.0000 -0.9800 -0.9514 0.9349 -0.9089 0.9206 -0.8780 -0.8414; -0.9496 -0.9778 -0.9693 -0.9536 -0.9352 -0.9111 -0.9076 0.8797 -0.8227]; kn=tramnmx(k,mindayh,maxdayh); [W1,B1,W2,B2,P,T,A1,A2,SE,val]=gadecod(x); net.IW{1,1}=W1; net.LW{2,1}=W2; net.b{1}=B1; net.b{2}=B2; net.trainParam.show=50; net.trainParam.lr=0.1; net.trainParam.epochs=1000; net.trainParam.goal=1e-28; net=train(net,P,T); %新建BP网络 S1=25 net=newff(minmax(p),[S1,7,7],{'logsig','logsig','purelin'},'trainlm'); %BP网络参数设置 net.trainParam.show=1; net.trainParam.epochs=2000; net.trainParam.goal=1.0e-28; net.trainParam.max.fail=5; net.trainParam.lr=0.3; %BP网络初次训练 net=init(net); [net,tr,Y,E]=train(net,p,t) %BP网络初次训练后的预测 s=sim(net,kn); plot(s,'r+-'); hold on; plot(kn,'b*-') |
2楼2011-10-09 10:48:05
yqx1985
木虫 (著名写手)
云中仙
- 应助: 34 (小学生)
- 贵宾: 0.032
- 金币: 1608.8
- 散金: 1182
- 红花: 33
- 帖子: 1544
- 在线: 620.3小时
- 虫号: 550008
- 注册: 2008-04-22
- 性别: GG
- 专业: 药物设计与药物信息
3楼2011-10-12 22:07:58
