萤火虫优化神经网络的体育成绩预测模型,本论文为您写神经网络毕业论文范文和职称论文提供相关论文参考文献，可免费下载。
神经网络论文参考文献：
摘 要： 针对当前体育成绩预测模型的精度低、速度慢等缺陷,提出基于萤火虫优化神经网络的体育成绩预测模型.首先收集大量体育成绩数据,并对数据进行预处理,然后采用神经网络对体育成绩训练样本进行学习,并通过萤火虫优化算法对神经网络的阈值和权值等参数进行选择,建立最优的体育成绩预测模型,最后采用体育成绩数据对该模型的有效性和优越性进行对比测试.结果表明,该模型可以提高体育成绩预测精度,预测结果更加可靠,可以为体育训练提供有价值的信息.
关键词： 萤火虫优化算法； 神经网络； 体育成绩； 预测模型
中图分类号： TN911.1?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）15?0094?03
Abstract： In order to eliminate the shortcomings of low accuracy and slow speed of the current sports performance prediction model, a sports performance prediction model based on glowworm optimization neural network is proposed. A large number of sports performance data is collected, and preprocessed. The neural network is used to learn the training samples of sports performance. The glowworm optimization algorithm is adopted to select the threshold, weights and other parameters of the neural network to establish the optimal prediction model of sports performance. The sports performance data is used to test the validity and superiority of the model. The test results show that the model can improve the prediction accuracy of sports performance, its prediction results are reliable, which can provide the valuable information for sports training.
Keywords： glowworm optimization algorithm； neural network； sports performance； prediction model
0 引 言
随着人们水平的不断提高,身体出现亚健康现象越来越多,尤其是大学生身体素质大不如从前,如何提高大学生身体素质引起了国家的广泛关注[1].体育成绩预测可以描述大学生身体健康状态以及运动员的竞技水平,因此体育成绩的建模与预测可以为运动员以及大学生制定相对合理的训练计划,以提高运动成绩[2?3].
将体育成绩数据看作一组数据集合,采用多元线性回归对其进行建模,根据参数对某一个运动员的成绩进行估计,但由于多元线性回归要求各种样本分布均匀,而且呈现一种非线性增长趋势,这与体育成绩数据实际情况不相符,预测结果不可靠,实际应用价值不高[4].近年来,随着模糊理论、灰色理论的不断发展,出现了许多非线性的体育成绩预测模型,体育成绩预测可靠性要优于多元线性回归模型[5].在实际应用中,这些模型也存在显著的局限性,如模糊理论难以掌握,要求有一定理论基础,而灰色理论将体育成绩预测过程看作一个黑盒子,预测结果的可解释性差.当前有学者提出基于神经网络的体育成绩预测模型,神经网络具有自组织、非线性映射能力,可以对体育成绩的变化特点进行较好地描述,建立比其他模型更好的体育成绩预测模型[6?7],但神经网络的相关参数如阈值、权值对神经网络的性能影响大,若这些参数确定不合理,体育成绩预测结果将很低.为了解决神经网络参数的确定问题,有学者提出采用遗传算法、粒子群算法等确定神经网络的阈值、权值,有效提高了体育成绩的预测精度.遺传算法、粒子群算法属于随机优化算法,通常情况下只能找到次优解,无法找到全局最优解,且易搜索到局部极优的阈值、权值,使神经网络学习时间长,网络结构复杂,影响体育成绩的建模效果[8?9].
为了提高体育成绩的预测精度,提出基于萤火虫[10]优化神经网络的体育成绩预测模型.结果表明,该模型可以提高体育成绩的预测精度,而且预测结果更加可靠.
1 神经网络以及萤火虫优化算法
1.1 神经网络
在所有神经网络中,BP神经网络的学习速度更快,更灵活,通用性更强,可以对一个非线性系统进行无限逼近,准确描述该系统的非线性变化特点.设系统的输入为BP神经网络的隐含层输入向量和输出向量的计算公式分别为：
式中：表示输入层与隐含层的连接权值；表示两者间的阈值.
BP神经网络的输出层的输入向量和输出向量分别为：
式中：表示神经网络的隐含层和输出层之间的连接权值；表示神经网络的隐含层和输出层之间的阈值.
1.2 萤火虫优化算法
萤火虫算法是一种根据基于萤火虫发光来吸引其他萤火虫的算法,萤火虫位置表示问题的一个解,发光亮度与适应度函数相关,适应度值越大,表示发光亮度就越强.亮度弱的萤火虫向亮度强的萤火虫移动,随着迭代次数的增加,大多数萤火虫聚集在最亮的位置周围,最亮位置表示问题的最优解,先做如下假设：
结论：关于对写作神经网络论文范文与课题研究的大学硕士、相关本科毕业论文神经网络论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
基于BP神经网络甘肃入境旅游预测分析
摘要：本文运用BP神经网络模型，用入境旅游收入和入境过夜旅游人数两个指标预测2016-2020年甘肃入境旅游的发展趋势。预测结果表明甘肃入境旅游。
基于遗传算法和RBF神经网络核电厂安全管理评价模型
中图分类号：F273 文献标识：A 文章编号：1674-1145（2017）03-000-02摘 要 遗传算法具有很强的全局搜索能力，但是容易。
基于季节性ＲＢＦ神经网络月度市场需求预测
摘要：本文提出一种季节性神经网络预测模型，对具有季节性变化的产品月度市场需求进行预测。在Matlab语言环境下，用傅立叶周期分析法得到时间序列的。
基于MATLAB动态神经网络进行时间序列预测房地产价格
摘 要：文章以MATLAB动态神经网络为前提，采用时间序列预测方法进行房地产价格预测。采用全国平均房地产价格为基础样本，利用训练样本和基础样本。