基于粒子群算法求解各训练参数的流程图
2017-02-24 15:31:48 0 举报
粒子群算法是一种优化搜索算法,它通过模拟鸟群觅食行为来寻找最优解。在求解各训练参数时,粒子群算法的流程图通常包括以下几个步骤: 1. 初始化粒子群的位置和速度。 2. 计算每个粒子的适应度值。 3. 根据适应度值更新粒子的速度和位置。 4. 判断是否满足停止条件,如果满足则输出结果;否则返回第2步。 5. 重复执行第2-4步,直到找到最优解或达到最大迭代次数。 基于粒子群算法求解各训练参数的过程可以通过流程图清晰地展示出来,帮助人们更好地理解这一算法的工作原理。
作者其他创作
大纲/内容
选择用于求解的适应度函数,即DCRBM-DBN模型
判断最优解是否满足预测模型的误差评判标准或是否达到最大迭代数
设置粒子群算法需要求解的各训练参数范围
结束
依据适应度函数DCRBM-DBN,找出粒子种群中的个体最优值,并从个体最优值中找出全局最优值,从而确定各训练参数的取值
初始化连接矩阵、偏置量、动量值等参数
数据来源注塑流程监控数据
更新每个粒子的速度和位置
开始
输出最优解,即各训练参数的取值
初始化粒子种群数
0 条评论
下一页
为你推荐
查看更多