旗帜工作室年会总结

五一劳动节,学校放五天。我们banner小组正式改名为旗帜小组,接着我们举行了一年一度的年会。前期我们也为之做了大量的工作。小组分配了很多任务,我们分工合作,吧年会筹备的热热闹闹的。我们院领导也为我们欢呼喝彩。
早上我们早起,安排了年会彩排,由小组负责各项工作的人来彩排。到十点我们正式开始。

  1. 指导老师讲话
    指导老师王全蕊老师为我们介绍了小组的过往历程,介绍了往届学长们的就职公司,我们深感学长们的求职不易。
  2. 往届学长讲话
    学长有三个 分别是13届学长和14届学长,和16届unity方向学长。他们分别讲述了自己求职之路,在校经历,面试技巧等等。还有我们17届学长都和我们分享了很多很多。
  3. 拍合照
    我们在主楼底下拍了我们小组有史以来的第一张合照,当然这只是一个契机,我们以后还会有更多更多。
  4. 聚餐
    我们小组包了四个包间,我和老师还有学长们深入交流了一番,我们酣畅淋漓,学长们也不亦乐乎,老师很开心,这是我们第一届年会,当然以后还会有很多很多这样的活动。
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

咖啡壶子

你的鼓励奖是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值