原文服务方: 电子质量       
摘要:
为了提高对农作物虫情预测的准确度,本文主要采用概率神经网络(PNN)对农作物虫情进行预测,并将预测结果与 BP神经网络的预测结果进行比较.结果表明,概率神经网络的预测准确度远远大于BP神经朗络.显示了概率神经嘲络在模式识别领域的优势.
推荐文章
基于Credal网络的农作物单产预测模型研究
农作物单产
Credal网络
预测模型
不确定系统模型
概率推理
基于BP神经网络的农作物虫害预测系统的研究
模糊神经网络
算法
病虫害
概率
基于卷积神经网络的农作物种类自动识别算法研究
农作物图像
卷积神经网络
图像识别
识别率
智能决策
农作物害虫预测预报方法及应用
害虫
预测预报
人工神经网络
相空间重构
小波分析
支持向量机
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 基于概率神经网络的农作物虫情预测
来源期刊 电子质量 学科
关键词 PNN(概率神经网络) 农作物虫情预测 BP神经嗍络
年,卷(期) 2010,(9) 所属期刊栏目
研究方向 页码范围 3-5
页数 分类号 TP183
字数 语种 中文
DOI 10.3969/j.issn.1003-0107.2010.09.002
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 封安辉 兰州交通大学自动化与电气工程学院 3 10 2.0 3.0
2 张海艳 兰州交通大学自动化与电气工程学院 1 2 1.0 1.0
3 彭双飞 兰州交通大学自动化与电气工程学院 2 4 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (4)
参考文献  (2)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
PNN(概率神经网络)
农作物虫情预测
BP神经嗍络
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
电子质量
月刊
1003-0107
44-1038/TN
大16开
1980-01-01
chi
出版文献量(篇)
7058
总下载数(次)
0
总被引数(次)
15176
论文1v1指导