”参数优化方法“ 的搜索结果

基于蚁群算法的PID参数优化 (2017年)

标签：   工程技术 论文

     PID 控制器参数整定一般离不开人工经验调整,且难以得到最佳参数的缺点,提出一种基于蚁群算法的PID参数整定方法,利用 Ziegler-Nichol 法确定参数的搜索范围,在二次型性能指标下对 PID 控制器的参数进行优化,...

基于混沌优化算法的支持向量机参数选取方法

标签：   机器学习  支持向量机  混沌优化  参数选取

     支持向量机(SVM)的参数取值决定了其学习...混沌优化算法是一种全局搜索方法, 在选取SVM 参数时,不必考虑模型的复杂度和变量维数.仿真表明, 混沌优化算法是选取SVM 参数的有效方法,应用到函数逼近时具有优良的性能.</p>

鲸鱼算法(WOA)优化变分模态分解(VMD)参数python

标签：   python 算法 开发语言

     1.python程序 2.有数据集，可直接运行

【精品课设】不同优化算法整定PID控制参数

标签：   算法 综合资源 simulink

     【精品课设】不同优化算法整定PID控制参数 0FOA.m为测试方案，主要是实现FOA算法的基本分析-在这里不予以给出 1FOA.m为果蝇优化算法，用于整定一阶带时延的传递函数PID控制参数 2IFOA.m为自适应果蝇优化算法，用于整...

svm参数优化及相关优化算法代码.zip

标签：   svm参数优化

     svm参数优化及相关优化算法代码 svm参数优化及相关优化算法代码！svm参数优化及相关优化算法代码

SVM的参数优化问题

标签：   SVM

     SVM的参数优化问题，对比随机参数与优化后的参数对网络性能的影响

论文研究-一种改进的RBF神经网络参数优化方法.pdf

标签：   论文研究

     提出了一种改进的RBF神经网络参数优化算法。通过资源分配网络算法确定隐含层节点个数，引入剪枝策略删除对网络贡献不大的节点，用改进的粒子群算法对RBF网络的中心、宽度、权值进行优化，使RBF网络不仅可以得到合适...

神经网络如何调参、超参数的最优化方法、python实现

标签：   python  神经网络  深度学习

     神经网络如何调参、超参数的最优化方法、python实现一、what is 超参数二、超参数优化实验 一、what is 超参数 超参数是什么，其实就是，各层神经元数量、batch大小、学习率等人为设定的一些数。 数据集分为训练数据...

基于改进粒子群算法的PID参数优化与仿真.pdf

标签：   算法 粒子群 数据结构 参考文献 专业指导

     基于改进粒子群算法的PID参数优化与仿真.pdf

Logistic回归模型：常用参数优化方法总结

标签：   机器学习  logistic regression

     Logistic模型常用的参数优化方法有，梯度下降法，牛顿法，拟牛顿法，坐标轴下降法等。 Logistic回归模型可以表示如下： y=11+e−(wTx+b) y=\frac{1}{1+e^{-(w^Tx+b)}} y=1+e−(wTx+b)1​ 令y=h(x),则有下式： P(y∣x...

基于免疫果蝇优化算法的PID控制参数优化

标签：   Fruit fly optimization algorithm   Artificial immune algorithm   PID controller

     传统的Ziegler-Nichols（ZN）方法通常无法在调节PID参数时获得最佳控制性能。 因此，本文提出了一种以... 仿真结果表明，该算法具有收敛速度快，稳定性好，精度高等优点，并证明了PID控制参数优化的可行性和有效性。

麻雀搜索算法（SSA)优化变分模态分解（VMD）参数python

标签：   python 变分模态分解 算法 麻雀搜索算法

     1.python语言 2.有数据集，可直接运行

【机器学习300问】22、什么是超参数优化？常见超参数优化方法有哪些？

标签：   机器学习  人工智能

     什么是超参数优化？常见超参数优化方法有哪些？为什么要进行超参数优化?

缸内直喷汽油机共轨系统结构参数优化

标签：   自动控制技术; 缸内直喷汽油机共轨系统；结构参数优化；闭环控制；遗传算法

     然后设计了基于前馈和反馈相结合的共轨压力控制系统，在此基础上，以共轨压力波动及上升时间为目标函数，以阻尼孔直径和共轨管体积为优化变量，提出了基于改进型遗传算法的共轨系统多结构参数优化方法；最后，通过...

L-M算法-M_L-M_参数阈值函数_LM优化算法_LM参数_lm算法

标签：   L-M 参数阈值函数 LM优化算法 LM参数 lm算法

     5步骤：设置误差函数->输入初始参数，阈值以及迭代次数。最后利用LM迭代函数进行迭代运算至误差小于阈值时终止。

一种改进的二级倒立摆LQR控制器参数优化方法 (2012年)

标签：   自然科学 论文

     在LQR控制器设计原理的基础上,利用改进粒子群算法对控制器参数矩阵k进行优化,使之在对倒立摆实现稳摆控制的同时减小小车的位移误差积分。仿真实验证明:改进粒子群算法优化后的LQR控制器达到了对二级倒立摆稳摆控制的...

遗传优化向量机.rar_优化遗传算法_参数优化_支持向量机_遗传算法优化_遗传算法工具箱

标签：   优化遗传算法 参数优化 支持向量机 遗传算法优化 遗传算法工具箱

     通过优化的遗传算法来优化支持向量机的参数，很好用。

tabular_baselines：XGBoost算法与Hyperband加贝叶斯优化（BOHB）相结合，用于超参数优化

标签：   Python

     表格基线不同的表格基线算法与超频带加贝叶斯优化（BOHB）相结合，用于超参数优化。

pso 参数优化.zip_PSO 参数优化_PSO优化_SIMULINK_优化参数_参数优化

标签：   pso_参数优化 pso优化 simulink 优化参数 参数优化

     与simulink联合仿真 用pso算法进行参数优化

模型优化调参方法介绍（Python代码）

标签：   python  开发语言  算法

     模型算法在机器学习和深度学习中都发挥着自己的作用，但有的时候我们训练出来的模型并不能满足上线需求，那我们就需要对模型进行调优。一般来说，会从以下几个角度来优化模型。

粒子群算法（PSO)优化变分模态分解(VMD)参数python

标签：   python 算法 粒子群算法 VMD

     1.python程序 2.可直接运行，有数据集

MATLAB人工蜂群算法求解数据拟合和多参数优化问题代码实例

标签：   matlab  算法  机器学习

     人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值...

使用贝叶斯优化进行深度神经网络超参数优化

标签：   tensorflow  keras  深度学习

     在本文中，我们将深入研究超参数优化。为了方便起见本文将使用 Tensorflow 中包含的 Fashion MNIST[1] 数据集。该数据集在训练集中包含 60,000 张灰度图像，在测试集中包含 10,000 张图像。每张图片代表属于 10 个...

基于粒子群算法与遗传算法混合算法的切削参数优化（以成本和碳排放量为目标函数）.zip

标签：   MATLAB 优化算法

     制造过程的切削参数优化，实现多目标参数优化，包换了遗传算法和粒子群算法，优化结果可行有效。起到一个抛转引玉的作用

ABC_SVM.rar_ABC算法_SVM 参数优化_优化_优化参数_蜂群算法SVM

标签：   abc算法 svm_参数优化 优化 优化参数 蜂群算法svm

     蜂群算法优化SVM参数，得到更好的优化效果，算法做了优化

基于遗传算法超参数优化_高级超参数优化调整的算法

标签：   python  java  算法

     基于遗传算法超参数优化 超参数调整| AutoML | 随机搜索和网格搜索 (Hyper-parameter Tuning | AutoML | RandomSearch & GridSearch) Most Professional Machine Learning practitioners follow the ML Pipeline...

基于蚁群算法的支持向量机参数优化 (2009年)

标签：   自然科学 论文

     针对支持向量机的参数对分类性能的影响，探讨了基于蚁群算法的支持向量机参数优化方法，建立了支持向量机参数优化模型，给出了基于网格划分策略的连续蚁群算法，并将其用于优化模型求解，通过对支持向量机的惩罚因子...

基于MATLAB遗传算法的汽车传动系参数优化研究.pdf

标签：   MATLAB 程序 数据处理 论文期刊 专业指导

     基于MATLAB遗传算法的汽车传动系参数优化研究.pdf

【机器学习项目实战】python实现GA(遗传算法)对SVM分类模型参数的优化.zip

标签：   python GA遗传算法 SVM优化 机器学习 项目实战

     Python实现GA(遗传算法)对SVM分类模型参数的优化资料说明：包括数据集+源代码+Word文档说明。 资料内容包括： 1)需求分析； 2)数据采集； 3)数据预处理； 4)探索性数据分析； 5)特征工程； 6)机器建模； 7)模型评估...

推荐文章