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:
针对BP神经网络存在收敛速度慢、易陷入局部极小等缺陷,提出了一种自适应调节学习率和动态调整S型激励函数相结合的改进BP算法.该算法将学习率与误差函数相关联,再对每个隐单元和输出单元的激励函数的斜率进行自动调整.通过实例仿真,将改进算法与标准BP算法、加动量项法和自适应学习率法进行比较,来验证所提出方法的有效性.实验结果表明,联合优化的BP算法能有效加快网络的收敛过程,并具有较强的泛化能力.
推荐文章
BP神经网络算法的优化
BP算法
梯度下降
遗传算法
优化
权值更新
基于果蝇算法优化的BP神经网络
BP神经网络
果蝇算法
收敛速度
MATLAB
权值
阀值
基于优化BP神经网络算法的网络质量评价
BP神经网络
权值变化速率
网络质量评价
基于遗传算法优化的BP神经网络研究应用
人工神经网络
BP神经网络
遗传算法
GA?BP神经网络
优化方法
搜索能力
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神经网络的联合优化算法
来源期刊 计算机工程与应用 学科 工学
关键词 BP算法 学习率 误差函数 激励函数
年,卷(期) 2009,(12) 所属期刊栏目 研究、探讨
研究方向 页码范围 50-51,54
页数 3页 分类号 TP183
字数 3849字 语种 中文
DOI 10.3778/j.issn.1002-8331.2009.12.016
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 刘琼荪 重庆大学数理学院 66 621 14.0 21.0
2 孙娓娓 重庆大学数理学院 2 65 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (45)
参考文献  (4)
节点文献
引证文献  (56)
同被引文献  (47)
二级引证文献  (110)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(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)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(5)
  • 引证文献(5)
  • 二级引证文献(0)
2011(9)
  • 引证文献(6)
  • 二级引证文献(3)
2012(17)
  • 引证文献(10)
  • 二级引证文献(7)
2013(19)
  • 引证文献(4)
  • 二级引证文献(15)
2014(24)
  • 引证文献(7)
  • 二级引证文献(17)
2015(13)
  • 引证文献(3)
  • 二级引证文献(10)
2016(23)
  • 引证文献(5)
  • 二级引证文献(18)
2017(14)
  • 引证文献(4)
  • 二级引证文献(10)
2018(21)
  • 引证文献(2)
  • 二级引证文献(19)
2019(16)
  • 引证文献(8)
  • 二级引证文献(8)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
BP算法
学习率
误差函数
激励函数
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