基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文解决了BP神经网络结构参数和学习速率的选取问题,并对传统的BP算法进行了改进,提出了BP神经网络动态全参数自调整学习算法,又将其编制成计算机程序,使得隐层节点和学习速率的选取全部动态实现,减少了人为因素的干预,改善了学习速率和网络的适应能力.计算结果表明:BP神经网络动态全参数自调整算法较传统的方法优越.训练后的神经网络模型不仅能准确地拟合训练值,而且能较精确地预测未来趋势.
推荐文章
用自调整S函数提高神经网络BP算法
前馈神经网络
BP算法
S型函数
基于模拟退火算法改进的 BP神经网络算法
BP神经网络
样本选择
主动学习
模拟退火
基于改进BP人工神经网络的电力负荷预测
神经网络
短期电力负荷预测
动量项
同类型日思想
模糊映射
BP 神经网络的改进
BP神经网络
收敛速度
初始权重
局部最小
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 人工神经网络BP算法的改进和结构的自调整
来源期刊 运筹学学报 学科 数学
关键词 人工神经网络 BP算法 自调整 自组织方法
年,卷(期) 2001,(1) 所属期刊栏目
研究方向 页码范围 81-88
页数 8页 分类号 O22
字数 3769字 语种 中文
DOI 10.3969/j.issn.1007-6093.2001.01.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘光中 四川大学管理科学与工程系 32 827 13.0 28.0
2 李晓峰 四川大学管理科学与工程系 54 1293 16.0 35.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (116)
同被引文献  (74)
二级引证文献  (214)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2002(1)
  • 引证文献(1)
  • 二级引证文献(0)
2003(2)
  • 引证文献(2)
  • 二级引证文献(0)
2004(10)
  • 引证文献(10)
  • 二级引证文献(0)
2005(14)
  • 引证文献(11)
  • 二级引证文献(3)
2006(23)
  • 引证文献(14)
  • 二级引证文献(9)
2007(24)
  • 引证文献(12)
  • 二级引证文献(12)
2008(23)
  • 引证文献(13)
  • 二级引证文献(10)
2009(16)
  • 引证文献(9)
  • 二级引证文献(7)
2010(26)
  • 引证文献(6)
  • 二级引证文献(20)
2011(13)
  • 引证文献(4)
  • 二级引证文献(9)
2012(17)
  • 引证文献(7)
  • 二级引证文献(10)
2013(23)
  • 引证文献(8)
  • 二级引证文献(15)
2014(27)
  • 引证文献(6)
  • 二级引证文献(21)
2015(20)
  • 引证文献(0)
  • 二级引证文献(20)
2016(26)
  • 引证文献(5)
  • 二级引证文献(21)
2017(25)
  • 引证文献(4)
  • 二级引证文献(21)
2018(20)
  • 引证文献(2)
  • 二级引证文献(18)
2019(15)
  • 引证文献(2)
  • 二级引证文献(13)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
人工神经网络
BP算法
自调整
自组织方法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
运筹学学报
季刊
1007-6093
31-1732/O1
16开
上海市上大路99号
4-777
1982
chi
出版文献量(篇)
1117
总下载数(次)
0
总被引数(次)
4730
论文1v1指导