回归预测 | Matlab实现POA-BP鹈鹕算法优化BP神经网络多变量回归预测
预测效果
基本描述
1.Matlab实现POA-BP鹈鹕算法优化BP神经网络多变量回归预测（完整源码和数据)
2.Matlab实现POA-BP鹈鹕算法优化BP神经网络多变量回归预测；
3.数据集为excel，输入7个特征，输出1个变量，运行主程序main.m即可，其余为函数文件，无需运行；
4.优化参数为神经网络的权值和偏置，命令窗口输出RMSE、MAPE、MAE、R2等评价指标；运行环境Matlab2018b及以上.
5.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。
程序设计
- 完整程序和数据获取方式资源出下载 Matlab实现POA-BP鹈鹕算法优化BP神经网络多变量回归预测。
%% 参数设置
fun = @getObjValue; % 目标函数
dim = inputnum * hiddennum + hiddennum * outputnum + ...
hiddennum + outputnum; % 优化参数个数
lb = -1 * ones(1, dim); % 优化参数目标下限
ub = 1 * ones(1, dim); % 优化参数目标上限
pop = 20; % 数量
Max_iteration = 20; % 最大迭代次数
%% 优化算法
[Best_score,Best_pos,curve] = POA(pop, Max_iteration, lb, ub, dim, fun);
%% 把最优初始阀值权值赋予网络预测
w1 = Best_pos(1 : inputnum * hiddennum);
B1 = Best_pos(inputnum * hiddennum + 1 : inputnum * hiddennum + hiddennum);
w2 = Best_pos(inputnum * hiddennum + hiddennum + 1 : inputnum * hiddennum + hiddennum + hiddennum*outputnum);
B2 = Best_pos(inputnum * hiddennum + hiddennum + hiddennum * outputnum + 1 : ...
inputnum * hiddennum + hiddennum + hiddennum * outputnum + outputnum);
参考资料
[1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128690229
