原文服务方: 自动化与仪表       
摘要:
在ACO算法原理及框架的基础上,将蚁群优化算法引入神经网络的训练中,提出了ACO训练神经网络的基本原理和方法步骤.并与遗传算法、模拟退火算法、加动量项的BP算法相比,仿真结果表明,用ACO算法训练的神经网络具有较快的收敛速度,能够达到较小的均方误差值.
推荐文章
基于混沌蚁群算法的BP神经网络训练研究
群智能
混沌蚁群算法
BP神经网络
基于蚁群算法优化BP神经网络的政务云网络态势预测研究
政务云
主动防御
BP神经网络
蚁群算法
态势预测
预测精度
基于蚁群算法的神经网络规则抽取
神经网络
规则抽取
蚁群算法
聚类
蚁群算法选择神经网络参数的网络入侵检测
网络安全
神经网络
参数优化
蚁群算法
入侵检测分类器
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 基于蚁群优化算法的神经网络训练的研究
来源期刊 自动化与仪表 学科
关键词 蚁群优化算法 神经网络 均方误差
年,卷(期) 2006,(5) 所属期刊栏目 专题研究
研究方向 页码范围 10-12
页数 3页 分类号 TP18
字数 语种 中文
DOI 10.3969/j.issn.1001-9944.2006.05.003
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 宋崇智 安徽工业大学机械工程学院 27 195 7.0 12.0
2 王璐 安徽工业大学机械工程学院 48 347 10.0 15.0
3 谢能刚 安徽工业大学机械工程学院 119 968 17.0 24.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (34)
共引文献  (38)
参考文献  (4)
节点文献
引证文献  (19)
同被引文献  (30)
二级引证文献  (145)
1996(3)
  • 参考文献(1)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(6)
  • 参考文献(1)
  • 二级参考文献(5)
2000(9)
  • 参考文献(0)
  • 二级参考文献(9)
2001(7)
  • 参考文献(0)
  • 二级参考文献(7)
2002(9)
  • 参考文献(1)
  • 二级参考文献(8)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(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)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(12)
  • 引证文献(6)
  • 二级引证文献(6)
2009(14)
  • 引证文献(1)
  • 二级引证文献(13)
2010(20)
  • 引证文献(1)
  • 二级引证文献(19)
2011(13)
  • 引证文献(3)
  • 二级引证文献(10)
2012(8)
  • 引证文献(0)
  • 二级引证文献(8)
2013(7)
  • 引证文献(0)
  • 二级引证文献(7)
2014(14)
  • 引证文献(1)
  • 二级引证文献(13)
2015(16)
  • 引证文献(3)
  • 二级引证文献(13)
2016(15)
  • 引证文献(1)
  • 二级引证文献(14)
2017(15)
  • 引证文献(2)
  • 二级引证文献(13)
2018(19)
  • 引证文献(0)
  • 二级引证文献(19)
2019(10)
  • 引证文献(0)
  • 二级引证文献(10)
研究主题发展历程
节点文献
蚁群优化算法
神经网络
均方误差
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
自动化与仪表
月刊
1001-9944
12-1148/TP
大16开
1981-01-01
chi
出版文献量(篇)
3994
总下载数(次)
0
总被引数(次)
18195
论文1v1指导