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:
以标准BP算法为基础,应用Levenberg-Marquardt最优化方法,提出了一种快速收敛的BP算法--LMBP算法.经实验验证并与标准BP算法及其它改进形式比较,LMBP算法大大提高了收敛速度,而且性能稳定.这为BP神经网络应用于实时性要求高的场合(如在线检测)提供了算法基础.该算法的缺点是计算量大,所需计算机内存大,不适合大型网络的计算.
推荐文章
BP神经网络快速收敛算法研究
神经网络
LMBP算法
Levenberg-Marquardt优化算法
优化BP神经网络的快速细菌觅食算法
细菌觅食算法
粒子群优化
BP神经网络
石漠化
BP神经网络算法的改进及收敛性分析
网络算法
BP神经网络
共轭梯度法
多层神经网络的快速BP算法
多层神经网络
误差函数
快速BP算法
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 快速收敛的BP神经网络算法
来源期刊 吉林大学学报(工学版) 学科 工学
关键词 神经网络 LMBP算法 Levenberg-Marquardt最优化方法
年,卷(期) 2003,(4) 所属期刊栏目 科学论文
研究方向 页码范围 79-84
页数 6页 分类号 TP183
字数 3082字 语种 中文
DOI 10.3969/j.issn.1671-5497.2003.04.018
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 许洪国 吉林大学交通学院 98 1412 20.0 32.0
2 王贇松 山东理工大学交通与车辆工程学院 1 110 1.0 1.0
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  (4)
节点文献
引证文献  (110)
同被引文献  (115)
二级引证文献  (233)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(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)
2004(1)
  • 引证文献(1)
  • 二级引证文献(0)
2005(10)
  • 引证文献(9)
  • 二级引证文献(1)
2006(10)
  • 引证文献(8)
  • 二级引证文献(2)
2007(23)
  • 引证文献(15)
  • 二级引证文献(8)
2008(21)
  • 引证文献(9)
  • 二级引证文献(12)
2009(24)
  • 引证文献(7)
  • 二级引证文献(17)
2010(23)
  • 引证文献(9)
  • 二级引证文献(14)
2011(12)
  • 引证文献(2)
  • 二级引证文献(10)
2012(26)
  • 引证文献(9)
  • 二级引证文献(17)
2013(18)
  • 引证文献(6)
  • 二级引证文献(12)
2014(22)
  • 引证文献(10)
  • 二级引证文献(12)
2015(20)
  • 引证文献(3)
  • 二级引证文献(17)
2016(20)
  • 引证文献(3)
  • 二级引证文献(17)
2017(25)
  • 引证文献(3)
  • 二级引证文献(22)
2018(32)
  • 引证文献(8)
  • 二级引证文献(24)
2019(42)
  • 引证文献(8)
  • 二级引证文献(34)
2020(14)
  • 引证文献(0)
  • 二级引证文献(14)
研究主题发展历程
节点文献
神经网络
LMBP算法
Levenberg-Marquardt最优化方法
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
吉林大学学报(工学版)
双月刊
1671-5497
22-1341/T
大16开
长春市人民大街5988号
12-46
1957
chi
出版文献量(篇)
4941
总下载数(次)
5
总被引数(次)
43316
论文1v1指导