岳阳建设网站哪家好,考试资料网,网站备案号在哪里看,专业的深圳网站建设公司排名分类预测 | MATLAB实现NGO-CNN北方苍鹰算法优化卷积神经网络数据分类预测 目录 分类预测 | MATLAB实现NGO-CNN北方苍鹰算法优化卷积神经网络数据分类预测分类效果基本描述程序设计参考资料 分类效果 基本描述 1.Matlab实现NGO-CNN北方苍鹰算法优化卷积神经网络数据分类预测多特征输入模型运行环境Matlab2018b及以上 2.基于北方苍鹰算法(NGO)优化卷积神经网络(CNN)分类预测优化参数为学习率批处理正则化参数 3.多特征输入单输出的二分类及多分类模型。程序内注释详细直接替换数据就可以用 程序语言为matlab程序可出分类效果图迭代优化图混淆矩阵图 4.data为数据集输入12个特征分四类main为主程序其余为函数文件无需运行可在下载区获取数据和程序内容。 程序设计
完整程序和数据获取方式私信博主回复MATLAB实现NGO-CNN北方苍鹰算法优化卷积神经网络数据分类预测。
%% 优化算法参数设置
SearchAgents_no 3; % 数量
Max_iteration 5; % 最大迭代次数
dim 3; % 优化参数个数%% 建立模型
lgraph [convolution2dLayer([1, 1], 32) % 卷积核大小 3*1 生成32张特征图batchNormalizationLayer % 批归一化层reluLayer % Relu激活层dropoutLayer(0.2) % Dropout层fullyConnectedLayer(num_class, Name, fc) % 全连接层softmaxLayer(Name, softmax) % softmax激活层classificationLayer(Name, classification)]; % 分类层%% 参数设置
options trainingOptions(adam, ... % Adam 梯度下降算法MaxEpochs, 10,... % 最大训练次数 MiniBatchSize,best_hd, ...InitialLearnRate, best_lr,... % 初始学习率为0.001L2Regularization, best_l2,... % L2正则化参数LearnRateSchedule, piecewise,... % 学习率下降LearnRateDropFactor, 0.1,... % 学习率下降因子 0.1LearnRateDropPeriod, 400,... % 经过800次训练后 学习率
%% 训练
net trainNetwork(p_train, t_train, lgraph, options);%% 预测
t_sim1 predict(net, p_train);
t_sim2 predict(net, p_test );
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm1001.2014.3001.5502 [2] https://blog.csdn.net/kjm13182345320/article/details/128690229
