psobpdiagnosis 利用粒子群算法优化BP神经网络的权值

利用粒子群算法优化BP神经网络的权值，将训练好的神经网络用于故障诊断中，进行模式识别，比BP神经网络收敛快

%参数输入
load psostudy;
load t;
lp=psostudy‘;
t=t‘;
l=input（‘特征向量输入个数‘）;
m=input（‘隐层神经元个数‘）;
n=input（‘输出层神经元个数‘）;
k=input（‘粒子数目‘）;
N=input（‘迭代次数‘）;
Emin=input（‘最小误差‘）;

%相关参数计算
a=l*m+m*n+m+n;       %确定粒子维数：隐层和输出层权值和阀值

%初始化
lp=repmat（lpm1）;   %平铺输入向量，得到每个隐层神经元的输入
rand（‘state‘sum（100*clock）*rand（1））

p=-1*ones（ak）+2*rand（ak）;         %初始化k个粒子的初始位置：隐层和输出层权值和阀值
v=-1*ones（ak）+2*rand（ak）;         %初始化k个粒子的初始速度




    
    
%计算第初始适应值
for i=1:k    %k是粒子数目
w1=p（1:（l+1）*mi）;  %提取第i个粒子隐层权值和阀值
w1=repmat（w1129）;   %36是训练样本数，平铺得到36组权值和阀值，
net1=lp.*w1;       %隐层神经元的输入
y=zeros（m29）;    %定义m个隐层神经元的输入值，共36组代表36个训练样本


%计算隐层输出
for j=1:m
    y（j:）=sum（net1（（（l+1）*（j-1）+1）:（（l+1）*j）:））; %第j个神经元的输入值
end
Y=tansig（y）;  %m个隐层神经元的输出值
A=-ones（129）;  %定义阀值所对应的输入

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       5451  2012-06-13 00:19  psobpdiagnosis.m

----------- ---------  ---------- -----  ----

                 5919                    3