- 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
- 15879 点
- 威望
- 0 点
- 阅读权限
- 255
- 积分
- 4974
- 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 | 衰 2021-3-28 15:16 |
---|
签到天数: 25 天 [LV.4]偶尔看看III
|
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
2 V- r: `3 c8 O n* J5 A
$ j4 j4 j- h, }/ F, |# B 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。
9 z% o8 f! T2 y1 z% f: O# i
L1 P" v# K( M T+ C6 ~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 % Q& C% C8 V8 b; F
0 m% }( b) J, S" O& i8 \
# A. o3 ]& n2 H+ i1 s. `1 U. ]$ K* D; n5 @$ Y3 H- f
|
zan
|