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:
为了克服粒子群优化算法本身存在的早熟和局部收敛的固有问题,在描述了BP神经网络的基本结构的基础上,介绍了粒子群优化算法(PSO)的基本概念,并通过对二者优缺点的分析与比较,结合二者的优势,将粒子矢量位移应用到PSO算法中,并在此基础上,用改进的PSO算法对BP网络进行训练,还利用某商场的部分消费数据进行了实验.结果表明,基于改进的PSO算法的BP网络在收敛速度和精度上都比基于传统的PSO算法好.
推荐文章
基于改进PSO-BP神经网络的回弹预测研究
V形自由折弯
回弹
BP神经网络
改进粒子群算法
全局搜索能力
收敛精度
泛化能力
基于PSO?BP神经网络的短期负荷预测算法
短期负荷预测
BP神经网络
粒子群算法
零相滤波器
基于GPU的PSO-BP神经网络DOA估计
波达方向估计
粒子群优化
神经网络
图形处理单元
统一计算设备架构
基于新型PSO算法优化BP神经网络的软件缺陷预测方法研究
软件缺陷预测
粒子群算法
神经网络
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 基于改进PSO算法的BP神经网络的应用研究
来源期刊 计算机技术与发展 学科 工学
关键词 BP网络 粒子群优化算法 矢量位移 收敛速度
年,卷(期) 2008,(4) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 49-51
页数 3页 分类号 TP301.6
字数 2539字 语种 中文
DOI 10.3969/j.issn.1673-629X.2008.04.015
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 危韧勇 中南大学信息科学与工程学院 87 650 14.0 22.0
2 曾万里 中南大学信息科学与工程学院 1 28 1.0 1.0
3 陈红玲 吉林大学珠海学院 10 90 5.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (40)
参考文献  (4)
节点文献
引证文献  (28)
同被引文献  (85)
二级引证文献  (124)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 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(3)
  • 二级引证文献(0)
2010(4)
  • 引证文献(4)
  • 二级引证文献(0)
2011(8)
  • 引证文献(2)
  • 二级引证文献(6)
2012(10)
  • 引证文献(4)
  • 二级引证文献(6)
2013(11)
  • 引证文献(3)
  • 二级引证文献(8)
2014(8)
  • 引证文献(2)
  • 二级引证文献(6)
2015(10)
  • 引证文献(0)
  • 二级引证文献(10)
2016(14)
  • 引证文献(3)
  • 二级引证文献(11)
2017(20)
  • 引证文献(4)
  • 二级引证文献(16)
2018(38)
  • 引证文献(2)
  • 二级引证文献(36)
2019(20)
  • 引证文献(0)
  • 二级引证文献(20)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
BP网络
粒子群优化算法
矢量位移
收敛速度
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
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导