基于JAYA算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)（預(yù)測應(yīng)用） - 附代碼

摘要：本文主要介紹如何用JAYA算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)并應(yīng)用于預(yù)測。

1.數(shù)據(jù)介紹

本案例數(shù)據(jù)一共2000組，其中1900組用于訓(xùn)練，100組用于測試。數(shù)據(jù)的輸入為2維數(shù)據(jù)，預(yù)測的輸出為1維數(shù)據(jù)

2.JAYA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

2.1 BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置

神經(jīng)網(wǎng)絡(luò)參數(shù)如下：

%% 構(gòu)造網(wǎng)絡(luò)結(jié)構(gòu)
%創(chuàng)建神經(jīng)網(wǎng)絡(luò)
inputnum = 2;     %inputnum  輸入層節(jié)點數(shù) 2維特征
hiddennum = 10;     %hiddennum  隱含層節(jié)點數(shù)
outputnum = 1;     %outputnum  隱含層節(jié)點數(shù)

2.2 JAYA算法應(yīng)用

JAYA算法原理請參考：https://blog.csdn.net/u011835903/article/details/115572600

JAYA算法的參數(shù)設(shè)置為：

popsize = 20;%種群數(shù)量
Max_iteration = 20;%最大迭代次數(shù)
lb = -5;%權(quán)值閾值下邊界
ub = 5;%權(quán)值閾值上邊界
%  inputnum * hiddennum + hiddennum*outputnum 為閾值的個數(shù)
%  hiddennum + outputnum 為權(quán)值的個數(shù)
dim =  inputnum * hiddennum + hiddennum*outputnum + hiddennum + outputnum ;%  inputnum * hiddennum + hiddennum*outputnum維度

這里需要注意的是，神經(jīng)網(wǎng)絡(luò)的閾值數(shù)量計算方式如下：

本網(wǎng)絡(luò)有2層：

第一層的閾值數(shù)量為：2*10 = 20； 即inputnum * hiddennum；

第一層的權(quán)值數(shù)量為：10；即hiddennum；

第二層的閾值數(shù)量為：10*1 = 10；即hiddenum * outputnum；

第二層權(quán)值數(shù)量為：1；即outputnum；

于是可知我們優(yōu)化的維度為：inputnum * hiddennum + hiddennum*outputnum + hiddennum + outputnum = 41；

適應(yīng)度函數(shù)值設(shè)定：

本文設(shè)置適應(yīng)度函數(shù)如下：
$$fitness=argmin(mse(TrainDataError)+mes(TestDataError))$$
其中TrainDataError,TestDataError分別為訓(xùn)練集和測試集的預(yù)測誤差。mse為求取均方誤差函數(shù)，適應(yīng)度函數(shù)表明我們最終想得到的網(wǎng)絡(luò)是在測試集和訓(xùn)練集上均可以得到較好結(jié)果的網(wǎng)絡(luò)。

4.測試結(jié)果：

從JAYA算法的收斂曲線可以看到，整體誤差是不斷下降的，說明JAYA算法起到了優(yōu)化的作用：

5.Matlab代碼