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:
文章提出了基于粒子群优化的BP网络学习算法.在该算法中,用粒子群优化算法替代了传统BP算法中的梯度下降法,使得改进后的算法具有不易陷入局部极小、泛化性能好等特点.并将该算法应用在了高速公路动态称重系统的设计中,实验证明:这种算法能够明显减少迭代次数、提高收敛精度,其泛化性能也优于传统BP算法.
推荐文章
基于粒子群优化的BP网络学习算法
神经网络
粒子群优化
BP算法
基于粒子群优化与 BP算法的协同神经网络学习方法
BP算法
粒子群算法
优化
函数拟合
协同算法
粒子群优化的BP网络学习算法研究及应用
人工神经网络
粒子群优化算法
融合
水泥水化
基于PSO的BP神经网络学习算法
神经网络
反向传播算法
粒子群优化
梯度下降法
函数拟合
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 基于粒子群优化算法的BP网络学习研究
来源期刊 计算机工程与应用 学科 工学
关键词 BP网络 粒子群优化算法 泛化
年,卷(期) 2006,(16) 所属期刊栏目 学术探讨
研究方向 页码范围 41-43,66
页数 4页 分类号 TP131
字数 4237字 语种 中文
DOI 10.3321/j.issn:1002-8331.2006.16.014
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 潘昊 武汉理工大学计算机科学与技术学院 45 516 10.0 21.0
2 侯清兰 武汉理工大学计算机科学与技术学院 2 133 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (352)
参考文献  (4)
节点文献
引证文献  (121)
同被引文献  (178)
二级引证文献  (585)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(1)
  • 二级参考文献(3)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
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(10)
  • 引证文献(8)
  • 二级引证文献(2)
2008(23)
  • 引证文献(19)
  • 二级引证文献(4)
2009(22)
  • 引证文献(7)
  • 二级引证文献(15)
2010(41)
  • 引证文献(13)
  • 二级引证文献(28)
2011(52)
  • 引证文献(11)
  • 二级引证文献(41)
2012(74)
  • 引证文献(14)
  • 二级引证文献(60)
2013(66)
  • 引证文献(10)
  • 二级引证文献(56)
2014(62)
  • 引证文献(9)
  • 二级引证文献(53)
2015(78)
  • 引证文献(11)
  • 二级引证文献(67)
2016(77)
  • 引证文献(5)
  • 二级引证文献(72)
2017(64)
  • 引证文献(6)
  • 二级引证文献(58)
2018(59)
  • 引证文献(4)
  • 二级引证文献(55)
2019(67)
  • 引证文献(4)
  • 二级引证文献(63)
2020(11)
  • 引证文献(0)
  • 二级引证文献(11)
研究主题发展历程
节点文献
BP网络
粒子群优化算法
泛化
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导