本文件功能：用BP神经网络预测温湿度。
本次仿真，预测模型为8*8*8*1，输入数据为359天数据（一个小时测一个数据，一天数据为24）。
其中350天数据做训练样本，用来训练BP网络模型的权值和阈值，4天用来做测试样本，用来测试3天左右的温湿度预测值。
本次训练效果比较上次仿真较为准确，判定系数可以达到0.8左右（越靠近1表明仿真效果越好），预测值与实际值点状图基本围绕在主对角线左右，MSE平方误差可以达到0.01，BP网络预测输出图也可以看出预测值的变化趋势基本与期望值一致。
本次仿真存在不足：1.未修改学习率、附加动量等参量没有解决BP网络收敛慢的问题。
2.没有使用全局优化的算法，没有解决BP容易陷入极值点的问题。
这种用BP网络来进行预测的模型网上有很多，但是大多数都是预测风力发电等，可能也是因为该BP模型是40年代所提出，我是没有找到有温湿度的预测，该代码纯属自己改写的，并且运行无误，现在分享出来，让大家节省一些时间去研究更有深度的算法。
本次仿真，预测模型为8*8*8*1，输入数据为359天数据（一个小时测一个数据，一天数据为24）。
其中350天数据做训练样本，用来训练BP网络模型的权值和阈值，4天用来做测试样本，用来测试3天左右的温湿度预测值。
本次训练效果比较上次仿真较为准确，判定系数可以达到0.8左右（越靠近1表明仿真效果越好），预测值与实际值点状图基本围绕在主对角线左右，MSE平方误差可以达到0.01，BP网络预测输出图也可以看出预测值的变化趋势基本与期望值一致。
本次仿真存在不足：1.未修改学习率、附加动量等参量没有解决BP网络收敛慢的问题。
2.没有使用全局优化的算法，没有解决BP容易陷入极值点的问题。
这种用BP网络来进行预测的模型网上有很多，但是大多数都是预测风力发电等，可能也是因为该BP模型是40年代所提出，我是没有找到有温湿度的预测，该代码纯属自己改写的，并且运行无误，现在分享出来，让大家节省一些时间去研究更有深度的算法。
2023/8/2 9:25:48
2.28MB
1
本ZIP文件包含了经典的手写数字的bmp数据，共{0,1,2，……，9}10个类，每个类包含500个数据；
然后对图片进行二值化处理，采用patch来对每张image提出特征，最后设计神经网络对特征进行训练，并用得到的net来测试TestingSet，经过调解参数，测试精度可以达到95%左右。
整个实现过程是基于matlab语言的，code清晰，明了，简单易懂，绝对值得算法爱好者探究。
然后对图片进行二值化处理，采用patch来对每张image提出特征，最后设计神经网络对特征进行训练，并用得到的net来测试TestingSet，经过调解参数，测试精度可以达到95%左右。
整个实现过程是基于matlab语言的，code清晰，明了，简单易懂，绝对值得算法爱好者探究。
2023/7/30 3:57:10
7.07MB
1
网上找的BP神经网络算法程序和大家分享分享-用matlab编BP神经网络预测程序.doc内容在上传附件里面，有一点乱，但是还是可以借鉴参考，希望能有所帮助！我不太懂，大家可以相互探讨！
2023/7/23 13:49:52
470KB
1
BP神经网络的权值采用梯度下降法更新，不仅输出的精度不高，而且耗费时间较长，基于遗传算法来更新可以达到更好的效果，该程序可以直接运行，没有错误
2023/7/21 20:30:24
52KB
1
谐波检测环节的性能对于有源滤波器的谐波治理能力有着重要的影响。
目前应用最广泛的ip-iq谐波检测算法，其需要复杂的坐标变换，同时还需要用到锁相环以及低通滤波环节，结构复杂。
为克服ip-iq算法的以上缺点，文中提出一种基于BP神经网络的谐波检测算法，只需将检测到的三相负载电流以及程序生成的A相模拟旋转角作为系统的输入，通过神经网络的计算便可以得到三相基波电流，再用负载电流减去基波电流便可以得到需补偿的谐波成分。
通过Matlab仿真验证了算法的有效性。
目前应用最广泛的ip-iq谐波检测算法，其需要复杂的坐标变换，同时还需要用到锁相环以及低通滤波环节，结构复杂。
为克服ip-iq算法的以上缺点，文中提出一种基于BP神经网络的谐波检测算法，只需将检测到的三相负载电流以及程序生成的A相模拟旋转角作为系统的输入，通过神经网络的计算便可以得到三相基波电流，再用负载电流减去基波电流便可以得到需补偿的谐波成分。
通过Matlab仿真验证了算法的有效性。
2023/7/19 1:27:28
1.96MB
1
本文提出了一种改进的遗传算法,并用其实现BP神经网络的拓扑结构和参数的优化。
改进的遗传算法采用了一种新的编码方式,并对遗传操作进行了改进。
仿真试验的结果表明,这种算法能够有效地提高BP神经网络结构和参数的优化效率
改进的遗传算法采用了一种新的编码方式,并对遗传操作进行了改进。
仿真试验的结果表明,这种算法能够有效地提高BP神经网络结构和参数的优化效率
2023/7/16 21:17:22
117KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB