1 算法介绍
针对传统预测深孔加工中钻削力精度不高的问题以及BP神经网络本身存在的缺陷,提出了BAS-BP神经网络预测模型.文章基于天牛须算法与BP神经网络相互结合,利用天牛须算法计算优化BP神经网络中的初始权值与阀值,从而建立BAS-BP神经网络的预测模型.并与传统BP神经网络预测模型进行对比.结果表明BAS-BP神经网络克服了训练时间长,收敛速度慢的缺点,预测精度明显提高.
2 部分代码
%% 用天牛须算法来优化BP的权值和阈值,数据样本为测试数据，非论文实际数据，样本60个，其中每个样本具有401个特征值；NIR为样本的光谱数据，octane为60*1的辛烷值数据% 1.0版本%% 清空环境变量clear allclose allclctic%% 加载数据load spectra_data.mat% 随机产生训练集和测试集temp=randperm(size(NIR,1));%训练集——50个样本P=NIR(temp(1:50),:);T=octane(temp(1:50),:);%测试集——10个样本P_test=NIR(temp(51:end),:);T_test=octane(temp(51:end),:);N=size(P_test,2);M=size(P,2);%% 归一化[P, ps_input] = mapminmax(P,0,1);%p_trai
