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:
传统的神经网络BP算法存在收敛速度慢、存在局部极小点等问题,这种算法收敛慢的主要原因是它利用的是性能函数的一阶信息,递推最小二乘算法利用了二阶信息,但是需要计算输入信号的自相关矩阵的逆,计算量大,不易实现.本文提出一种梯度递推BP算法,它基于最小二乘准则,利用改进的梯度来实现BP算法,这种算法不用计算输入信号的自相关矩阵,并通过仿真证明了该算法的有效性.
推荐文章
一种基于数值计算的改进BP神经网络加速算法
加速算法
Steffensen迭代
BP神经网络
一种改进的BP神经网络属性选择方法
属性选择
BP神经网络
属性排序
敏感度分析
改进的BP神经网络属性选择方法
一种改进的BP神经网络调制分类器
调制类型识别
特征参数
分层结构组合分类器
神经网络
一种基于改进的BP神经网络算法的布匹瑕疵分类器
BP神经网络
布匹瑕疵分类器
学习速率
动量因子
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 一种改进BP神经网络的算法
来源期刊 自动化技术与应用 学科 工学
关键词 神经网络 最小二乘 BP算法 梯度递推
年,卷(期) 2005,(7) 所属期刊栏目 控制理论与应用
研究方向 页码范围 16-18
页数 3页 分类号 TP183
字数 2288字 语种 中文
DOI 10.3969/j.issn.1003-7241.2005.07.005
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 卢志刚 河北燕山大学电气工程学院 1 5 1.0 1.0
2 李兵 河北燕山大学电气工程学院 1 5 1.0 1.0
3 易之光 河北燕山大学电气工程学院 1 5 1.0 1.0
4 吴士昌 河北燕山大学电气工程学院 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (25)
参考文献  (3)
节点文献
引证文献  (5)
同被引文献  (13)
二级引证文献  (6)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2020(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
  • 引证文献(0)
  • 二级引证文献(0)
2006(2)
  • 引证文献(2)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(3)
  • 引证文献(0)
  • 二级引证文献(3)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
神经网络
最小二乘
BP算法
梯度递推
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
自动化技术与应用
月刊
1003-7241
23-1474/TP
大16开
哈尔滨市开发区汉水路165号
14-37
1982
chi
出版文献量(篇)
8131
总下载数(次)
24
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导