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:
BP 神经网络是人工神经网络中应用最广泛的一种多层前馈神经网络。针对它容易陷入局部极小值及隐层节点大多利用经验试凑来确定的缺点,本文提出了一种基于蚁群算法的BP神经网络结构及参数优化方法,利用蚁群算法的全局寻优能力克服BP神经网络存在的不足。最后,将该方法用于短时交通流预测,实验结果表明:利用蚁群算法优化神经网络是有效的,预测结果也有较高精度。
推荐文章
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
一种基于蚁群算法与粗糙集的混合 BP神经网络
蚁群算法ACA
粗糙集
BP神经网络
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
基于蚁群优化算法的BP神经网络的RPROP混合算法仿真的研究
蚁群优化算法
BP神经网络
RPROP混合算法
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 一种基于蚁群算法的BP神经网络优化方法研究
来源期刊 新型工业化 学科 工学
关键词 蚁群算法 BP神经网络 优化方法 交通流预测
年,卷(期) 2012,(4) 所属期刊栏目 学术研究
研究方向 页码范围 8-15
页数 8页 分类号 TP183
字数 2944字 语种 中文
DOI
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 邝育军 电子科技大学通信与信息工程学院 22 98 5.0 9.0
2 王沥 电子科技大学通信与信息工程学院 1 19 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (80)
参考文献  (6)
节点文献
引证文献  (19)
同被引文献  (121)
二级引证文献  (146)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(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)
2001(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(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(13)
  • 引证文献(6)
  • 二级引证文献(7)
2015(26)
  • 引证文献(7)
  • 二级引证文献(19)
2016(28)
  • 引证文献(1)
  • 二级引证文献(27)
2017(25)
  • 引证文献(1)
  • 二级引证文献(24)
2018(34)
  • 引证文献(2)
  • 二级引证文献(32)
2019(29)
  • 引证文献(1)
  • 二级引证文献(28)
2020(9)
  • 引证文献(0)
  • 二级引证文献(9)
研究主题发展历程
节点文献
蚁群算法
BP神经网络
优化方法
交通流预测
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
新型工业化
月刊
2095-6649
11-5947/TB
16开
北京石景山区鲁谷路35号1106室
2011
chi
出版文献量(篇)
2442
总下载数(次)
8
总被引数(次)
5690
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导