**基于 NGO-CNN 多输出回归的霜冰数据预测模型**
一、运行环境要求
本程序基于 MATLAB 2019b 及以上版本进行开发，因此需要您的计算机上安装有符合要求
的 MATLAB 软件。
二、算法概述
本程序采用 NGO（Next Generation Optimization）算法优化卷积神经网络（CNN）的多输
入多输出回归模型。NGO 算法是一种新型的优化算法，用于对模型进行训练过程中的权重
和偏置优化。通过对模型的持续迭代和调整，实现对霜冰数据的多输出回归预测。
三、评价指标
程序将使用一系列评价指标对模型的性能进行评估，包括 R2（决定系数）、MAE（平均绝对
误差）、MBE（平均偏差）和 RMSE（均方根误差）等。这些指标将有助于全面了解模型的
预测效果，并为后续的模型优化提供方向。
四、代码与注释
以下是部分核心代码及其中文注释，代码中的注释将有助于新手小白更好地理解程序结构和
运行逻辑。
```matlab
% 加载数据集并预处理
% 这里应替换为您自己的数据加载和处理代码
% 初始化 NGO 算法和 CNN 模型
ngoParams = initialize_ngo_params(); % NGO 算法参数初始化
cnnModel = initialize_cnn_model(); % CNN 模型初始化
% 训练模型
for iter = 1:maxIterations % 最大迭代次数
% 前向传播计算输出和损失
outputs = forward_propagation(cnnModel, inputs); % 计算输出值
loss = calculate_loss(outputs, targets); % 计算损失值
% 使用 NGO 算法更新模型参数
updatedParams = update_params_with_ngo(ngoParams, loss); % NGO 算法更新参数
cnnModel.params = updatedParams; % 更新 CNN 模型参数
% 反向传播和权重更新（略）...
% ...此处为反向传播和权重更新的代码，由于篇幅限制，此处省略具体实现。
