점박이하이에나 알고리즘에 기반한 BP 신경망의 데이터 예측 및 최적화 원문보기 KCI 원문보기 인용
BP 신경망은 데이터 예측, 분류, 이미지 인식 및 기타 분야에서 널리 사용되는 인공 신경망입니다. 그러나 BP 신경망은 훈련 속도가 느리고 지역 최적값에 빠지기 쉬운 등의 문제가 있다. 이러한 문제를 해결하기 위해 점박이 하이에나 알고리즘을 사용하여 BP 신경망을 최적화할 수 있습니다.
점박이 하이에나 알고리즘은 자연에서 발견되는 점박이 하이에나의 행동을 기반으로 한 최적화 알고리즘으로 전역 탐색 능력과 빠른 수렴 속도를 가지고 있습니다. 점박이 하이에나 알고리즘과 BP 신경망을 결합하면 신경망의 성능을 효과적으로 향상시킬 수 있습니다.
아래에서는 BP 신경망을 최적화하기 위해 점박이 하이에나 알고리즘의 프로세스를 설명하기 위해 예제를 사용합니다. Matlab 프로그래밍 언어를 사용하여 구현합니다.
먼저 데이터 세트를 준비해야 합니다. 여기서는 보스턴 주택 가격 데이터 세트를 예로 들어 보겠습니다. 데이터 세트에는 506개의 샘플이 포함되어 있으며 각 샘플에는 13개의 기능과 1개의 출력 값이 있습니다. 먼저 데이터를 읽습니다.
load boston.mat
다음으로 데이터 세트를 훈련 세트와 테스트 세트로 나누는데 훈련 세트가 70%, 테스트 세트가 30%를 차지합니다.
train_ratio = 0.7;
[train_set, test_set] = split_data