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:
BP算法现在已成为目前应用最广泛的神经网络学习算法,它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用,但存在收敛较慢问题.笔者在文中简述了BP算法原理,针对BP算法的收敛性问题,提出了几点改进措施.
推荐文章
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
BP神经网络权值初始值与收敛性问题研究
神经网络
BP算法
局部最小区
收敛性
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 BP神经网络收敛性问题的改进措施
来源期刊 重庆交通学院学报 学科 工学
关键词 BP神经网络 BP算法 收敛性
年,卷(期) 2005,(1) 所属期刊栏目
研究方向 页码范围 143-145
页数 3页 分类号 TP183
字数 2787字 语种 中文
DOI 10.3969/j.issn.1674-0696.2005.01.035
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 贺清碧 重庆交通学院计算机及信息工程学院 23 160 5.0 12.0
2 周建丽 重庆交通学院计算机及信息工程学院 12 108 4.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (164)
参考文献  (7)
节点文献
引证文献  (80)
同被引文献  (36)
二级引证文献  (152)
1964(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(6)
  • 参考文献(0)
  • 二级参考文献(6)
2000(5)
  • 参考文献(2)
  • 二级参考文献(3)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(3)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(3)
  • 二级引证文献(0)
2005(3)
  • 引证文献(3)
  • 二级引证文献(0)
2006(12)
  • 引证文献(12)
  • 二级引证文献(0)
2007(14)
  • 引证文献(14)
  • 二级引证文献(0)
2008(13)
  • 引证文献(11)
  • 二级引证文献(2)
2009(18)
  • 引证文献(7)
  • 二级引证文献(11)
2010(20)
  • 引证文献(6)
  • 二级引证文献(14)
2011(20)
  • 引证文献(6)
  • 二级引证文献(14)
2012(17)
  • 引证文献(3)
  • 二级引证文献(14)
2013(17)
  • 引证文献(3)
  • 二级引证文献(14)
2014(22)
  • 引证文献(4)
  • 二级引证文献(18)
2015(14)
  • 引证文献(1)
  • 二级引证文献(13)
2016(16)
  • 引证文献(0)
  • 二级引证文献(16)
2017(15)
  • 引证文献(5)
  • 二级引证文献(10)
2018(14)
  • 引证文献(4)
  • 二级引证文献(10)
2019(16)
  • 引证文献(1)
  • 二级引证文献(15)
研究主题发展历程
节点文献
BP神经网络
BP算法
收敛性
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
重庆交通大学学报(自然科学版)
月刊
1674-0696
50-1190/U
大16开
重庆市南岸区学府大道66号
1982
chi
出版文献量(篇)
5180
总下载数(次)
15
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导