目录
背影
ELMAN神经网络的原理
ELMAN神经网络的定义
受限玻尔兹曼机（RBM）
灰狼算法原理
灰狼算法优化elman神经网络回归分析
基本结构
主要参数
数据
MATALB代码
结果图
展望
完整代码下载：灰狼算法优化ELMAN回归分析，GWO-ELMAN回归分析资源-CSDN文库 https://download.csdn.net/download/abc991835105/88879535
背影
Elman神经网络是 J. L. Elman于1990年首先针对语音处理问题而提出来的，是一种典型的局部回归网络( global feed forward local recurrent)。Elman网络可以看作是一个具有局部记忆单元和局部反馈连接的递归神经网络。
ELMAN神经网络的的原理
深度信念神经网络DBN的定义
与前馈神经网络不通，“递归神经网络”允许网络中出现环形结构，从而可让一些神经元的输出反馈回来作为输入信号。这样的结构与信息反馈过程，使得网络在t时刻的输出状态不仅与t时刻的输入有关，还与t-1时刻的网络状态有关，从而能处理与时间有关的动态变化。
Elman网络是最常用的递归神经网络之一，其结构如图所示，结构与多层前馈网络很相似，但隐层神经网络的输出被反馈回来，与下一时刻输入神经元提供的信号一起，作为隐层神经元在下一时刻的输入。隐层神经元通常采用Sigmoid激活函数，而网络的训练则常通过推广的BP算法进行。
Elman神经 网络 一般 分 为 4层 ：输入 层 、隐层 、输出层和承接层 (又称上 下文层 )，如图 1所示。其输 人 层 、隐层和输 出层 的连接类 似于前馈网络 ，输人层的单 元仅起信号传输作用 ，输 出层单元起线性加权 作用 ，隐 层单元 的传递 函数可采 用线 性或非 线性 函数 ，上 下文 层用来记忆 隐层单 元前 一时刻 的输 出值 ，可 以认 为是 一 步延时算子Ehnan型神经 网络 的特点 是隐层的输 出通过 承接 层
