为实现对双陷波超宽带(UWB)天线的精准神经网络建模,提出了一种利用改进的果蝇算法(FOA)优化广义回归神经网络(GRNN)的建模方法。该方法通过扩大果蝇搜索范围,在味道判定公式中引入调整项来实现果蝇算法的改进,并用改进后的果蝇算法优化GRNN的光滑因子。这样可以避免果蝇算法陷入局部最优,提高模型预测精度。将该方法用于双陷波超宽带天线模型的建立中,并对天线的S11参数和电压驻波比VVSWR参数进行预测。结果表明,相比于FOA-GRNN建模方法和GRNN建模方法,S11参数的最大相对误差分别减小了91.08%和99.14%;VVSWR参数的最大相对误差分别减小了98.36%和99.18%,使超宽带天线建模精度得到提高,验证了该方法的可行性。

MATLAB源码集锦-基于广义回归神经网络货运量预测代码

本文将基于遗传算法(Genetic Algorithms，GA)优化 的改进广义回归神经网络( Improved General RegressionNeuralNetwork based on GA, GRNNGA)做为NSSF（Network SecuritySituation Forecas）网络 安全态势预测。 GRNNGA方法先利用滑动时间窗(SlidingTimeWindow, STW）将各离散时 间监测点的网络安全态势值(Network Security SituationValue, NSSV)构造成部分线性相关的多元回归数据序列,再利用GA动态地搜索GRNN的最优训练参数,以改善基于GRNNGA的NSSF性能。经大量实验验证,基于GRNNGA的NSSF方法具有更高的预测精度和实用性

本文将基于遗传算法(Genetic Algorithms，GA)优化 的改进广义回归神经网络( Improved General RegressionNeuralNetwork based on GA, GRNNGA)做为NSSF（Network SecuritySituation Forecas）网络 安全态势预测。

GRNN的数据预测-基于广义回归神经网络货运量预测的matlab