BP神经网络可以解决地表沉陷等非线性关系问题，为了更精确地进行地表沉陷变形预测，引入Adaboost算法对BP神经网络进行改进，并运用Matlab R2014a建立基于Adaboost的BP神经网络地表沉陷预测模型。首先通过BP神经网络进行训练、测试，经过多次迭代，将每个BP神经网络作为一个弱预测器加权组合，形成强预测器，并首次对青岛地铁3号线保河区间隧道进行地表下沉值预测。预测结果表明：Adaboost的BP神经网络预测下沉值的平均绝对误差为0.585 3 mm，平均相对误差为5.82%，与BP神经网络预测相比，绝对误差降低了2.594 7 mm，相对误差降低了27.46%，由此表明Adaboost的BP神经网络适用于地表沉陷预测，且预测精度更高。
2022-04-28 16:27:04
1.33MB
1
通过遗传优化算法优化BP神经网络，优化过程中显示染色体编码长度，最后输出预测结果精度，matlab2021a仿真测试
2022-04-28 12:05:21
70KB
ML机器学习入门 神经网络基础 BP神经网络详解 BP神经网络模型与学习算法 清晰易懂
2022-04-28 09:09:09
531KB
引言
利用机器模仿人类的智能是长期以来人们认识自然、改造自然和认识自身的理想。
研究ANN目的：
（1）探索和模拟人的感觉、思维和行为的规律，设计具有人类智能的计算机系统。
（2）探讨人脑的智能活动，用物化了的智能来考察和研究人脑智能的物质过程及其规律。
ANN的研究内容
（1）理论研究：ANN模型及其学习算法，试图从数学上描述ANN的动力学过程，建立相应的ANN模型，在该模型的基础上，对于给定的学习样本，找出一种能以较快的速度和较高的精度调整神经元间互连权值，使系统达到稳定状态，满足学习要求的算法。
（2）实现技术的研究：探讨利用电子、光学、生物等技术实现神经计算机的途径。
（3）应用的研究：探讨如何应用ANN解决实际问题，如模式识别、故障检测、智能机器人等。
2022-04-28 09:09:08
763KB
引言
利用机器模仿人类的智能是长期以来人们认识自然、改造自然和认识自身的理想。
研究ANN目的：
（1）探索和模拟人的感觉、思维和行为的规律，设计具有人类智能的计算机系统。
（2）探讨人脑的智能活动，用物化了的智能来考察和研究人脑智能的物质过程及其规律。
ANN的研究内容
（1）理论研究：ANN模型及其学习算法，试图从数学上描述ANN的动力学过程，建立相应的ANN模型，在该模型的基础上，对于给定的学习样本，找出一种能以较快的速度和较高的精度调整神经元间互连权值，使系统达到稳定状态，满足学习要求的算法。
（2）实现技术的研究：探讨利用电子、光学、生物等技术实现神经计算机的途径。
（3）应用的研究：探讨如何应用ANN解决实际问题，如模式识别、故障检测、智能机器人等。
2022-04-28 09:09:07
686KB
智能优化算法课程 ML机器学习入门 神经网络基础 智能优化算法-BP神经网络基本原理简介
2022-04-28 09:09:05
875KB