html

1.在html中引用属性

     定义时用   #box{}

    引用时可用<div id="box"> 或<div class="box"> 

2.如果定义为  .box{}

       引用时只能用class=“box”

       原因     . 是类,可应用于任何标签,如:class="style1"
             #是伪类,只可用于某一个标签,如:id="header"

3.调整input框的大小

        <input style="width: 400px;height:100px;">

4.盒模型居中   在box{}中添加  margin:auto;

5.从阿里图标矢量库中调用图标

      1>进入该网站https://www.iconfont.cn/,登陆后在搜索框中搜索需要的图标

               选择好后加入购物车

              进入购物车,选择下载代码,把下载包解压到正在进行的html项目所在的文件夹

         2>在html 的<head>标签中添加如下标签,其中链接替换为自己的iconfont.css文件所在的路径

               <link rel="stylesheet" href="G:\weibo\font_me97jq78ous\iconfont.css" />

          3>此时想要看下载的图标,写出下句,其中把&#xe634;替换为自己的图标的代码,在文件demo_index.html中可以看不同                   图标的代码

                       <span class="iconfont">&#xe634;</span>

 

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
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
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