基于粒子群优化的神经网络训练算法研究论文 　　摘　要: 　本文提出了基于连接结构优化的粒子群优化算法(SPSO) 用于神经网络训练,该算法在训练神经网络权 值的同时优化其连接结构,删除冗余连接,使神经网络获得与模式分类问题匹配的信息处理能力. 经SPSO 训练的神经 网络应用于Iris ,Ionosphere 以及Breast cancer 模式分类问题,能够部分消除冗余分类参数及冗余连接结构对分类性能 的影响. 与BP

硕士论文，基于机器视觉苹果检测算法的研究。主要内容包括：1、国内外研究现状及进展 2、苹果图像采集与处理 3、苹果大小与形状检测 4、粒子群优化的BP神经网络苹果颜色检测算法 5、遗传算法优化BP神经网络苹果缺陷检测算法 6、苹果检测系统的软件、硬件及界面设计-Research on Apple detection algorithm based on machine vision. The main contents include:

神经网络入门13课源码 第一课 MATLAB入门基础 第二课 MATLAB进阶与提高 第三课 BP神经网络 第四课 RBF、GRNN和PNN神经网络 第五课 竞争神经网络与SOM神经网络 第六课 支持向量机( Support Vector Machine, SVM ) 第七课 极限学习机( Extreme Learning Machine, ELM ) 第八课 决策树与随机森林 第九课 遗传算法( Genetic Al

遗传算法与粒子群算法优化BP，有较好的分类效果(BP optimization based on Genetic Algorithm and particle swarm optimization)