4.1 案例背景
\[y = {x_1}^2 + {x_2}^2\]
4.2 模型建立
神经网络训练拟合根据寻优函数的特点构建合适的BP神经网络,用非线性函数的输入输出数据训练BP神经网络,训练后的BP神经网络就可以预测函数输出。遗传算法极值寻优把训练后的 BP 神经网络预测结果作为个体适应度值,通过选择、交叉和变异操作寻找函数的全局最优值及对应输入值。
网络结构:2-5-1
训练数据:3900,测试数据:100
\[y = {x_1}^2 + {x_2}^2\]
神经网络训练拟合根据寻优函数的特点构建合适的BP神经网络,用非线性函数的输入输出数据训练BP神经网络,训练后的BP神经网络就可以预测函数输出。遗传算法极值寻优把训练后的 BP 神经网络预测结果作为个体适应度值,通过选择、交叉和变异操作寻找函数的全局最优值及对应输入值。
网络结构:2-5-1
训练数据:3900,测试数据:100