- 在线时间
- 129 小时
- 最后登录
- 2023-8-30
- 注册时间
- 2020-11-26
- 听众数
- 3
- 收听数
- 0
- 能力
- 0 分
- 体力
- 15894 点
- 威望
- 0 点
- 阅读权限
- 255
- 积分
- 4978
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 420
- 主题
- 394
- 精华
- 0
- 分享
- 0
- 好友
- 0
TA的每日心情![](source/plugin/dsu_paulsign/img/emot/shuai.gif) | 衰 2021-3-28 15:16 |
---|
签到天数: 25 天 [LV.4]偶尔看看III
![](plugin.php?id=eis_qrcode2:make_qrcode&tid=473781) |
基于蝙蝠算法优化反向传播神经网络模型的无线网络流量预测1 T9 t" r5 |8 }$ Y8 b
( e/ E- l# s3 Q" a5 `( p/ R7 K
针对无线网络流量数据预测精度不高问题,提出一种基于蝙蝠算法(BA)优化的反向传播(BP)神经网络的分类预测模型——BABP。通过采用蝙蝠算法对 BP 神经网络模型的初始权值与阈值进行全局寻优,构建崭新的基于蝙蝠算法优化的神经网络模型。并通过与传统寻优算法遗传算法(GA)与粒子群优化(PSO)算法的神经网络模型比较,在无线网络流量数据的分类预测和稳定性方面,提出的 BABP 模型要优于 GABP(Genetic Algorithm BP)模型、PSOBP(Particle Swarm Optimization BP)模型;同时,无论迭代次数的多与少,BABP 均有比 GABP、PSOBP 算法更快地收敛。实验结果表明,BABP 模型在预测精度、寻优速度以及模型稳定性等方面均比 GABP、PSOBP 模型更具优势。
* U; x, X. H- F6 ~4 \7 L- ^& j
9 ^+ v# o8 V) C4 ^+ }" i5 K, y- l关键词: 网络流量;反向传播神经网络;蝙蝠算法;遗传算法;预测 ~8 g- l# M0 B1 w G, W& L/ e8 d. B
8 P0 i8 i8 B J/ M1 N4 n# I; ^- u) G" f% _0 r: G% B
. ?( e( K: @' D N k( C+ X
|
zan
|