用粒子群算法对BP神经网络进行训练 亲测可用！

一个java编写的粒子群程序，可自行设置多个参数，并有图像跟踪粒子运行状态，已经在Eclipse上测试通过。

粒子群优化神经网络的权值和阈值，用于钢水温度的预测，效果十分显著，程序讲解仔细

基于PSO-bp的电能质量信号分类

主要是通过GA和PSO的全局搜索能力，用于改进BP网络的权值阈值

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：基于遗传算法神经网络的预测代码_PSO和BP网络的预测_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

针对露天矿燃油消耗问题,利用粒子群优化算法对BP网络的权值和偏置进行优化,建立了基于粒子群优化BP神经网络的露天矿卡车油耗量预测网络模型.该方法使用由PSO优化的BP模型来拟合影响露天矿卡车油耗众多因素与油耗值之间的复杂关系.仿真结果表明:模型具有预测精度高、稳定性好等特点,适用于露天矿卡车油耗的预测,在露天矿燃油消耗预测中具一定的实用价值.

pso-bp神经网络预测程序，内包含数据。

带数据，稳定运行

粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。 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)。(Particle swarm optimization, also known as particle swarm optimization (Particle Swarm Optimization), abbreviated as PSO, is a new evolutionary algorithm developed in recent years (Evolutionary Algorithm- EA). Kind, and simulated annealing algorithm PSO algorithm is similar evolutionary algorithms, it is also starting a random solution, through an iterative search for the optimal solution, which is also used to uate the quality through fitness solution, but it is simpler than genetic algorithm rules It has no genetic algorithm " crossover" (Crossover) and " variant" (Mutation) operation, which by following the current search to find the optimal value to the global optimum. This algorithm is its easy implementation, high accuracy, fast convergence, etc. attracted academic attention and show its superiority in solving practical problems. PSO algorithm is a parallel algorithm. BP (Back Propagation) neural network is a 1986 team of scientists headed by Rumelhart and McC)