基础理论就在这里不讲解了,本文实战为主。相关理论与参考文献,请看以下部分:
- https://www.mathworks.com/matlabcentral/fileexchange/44974-grey-wolf-optimizer-gwo?s_tid=FX_rc3_behav
- https://www.sciencedirect.com/science/article/abs/pii/S0965997813001853?via%3Dihub
大家知道,使用反向传播对神经网络进行训练是非常有效的。但如果网络参数的初始值设得不好时,各位可能也有过训练十分缓慢的经历。这里提供一种加快反向传播的算法,目的是在训练神经网络时不使用反向传播以及梯度下降算法,而是用灰狼优化算法对网络参数进行初始化,之后可以再次使用反向传播对网络进行正式训练。
本文主要是用Python实践完成,在上述提供的讲解中有Matlab代码,感兴趣自己实践。
文章目录
一、数据集
-
- 一、数据集
- 二、经典神经网络分类模型搭建
- 三、灰狼优化神经网络
创建了一个小型网络来模拟 Pima Indians 糖尿病二元分类问题的发作。 数据下载地址:
https://www.kaggle.com/datasets/kumargh