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:
在研究BP神经网络的基础上,针对其收敛速度慢、容易陷入局部极小值等问题进行分析,设计实现一种新的混合神经网络模型。通过引入主成分分析的思想对样本进行降维,简化BP网络的结构,之后采用蜂群算法来优化BP网络的权值,把得到的最优权值赋予该神经网络,从而使优化后的神经网络具有结构简单、泛化性好和不易陷入局部极小值等优点。仿真实验结果表明,该网络模型能够达到比较高的分类精度。
推荐文章
基于狼群算法优化的BP神经网络
BP神经网络
狼群算法
函数拟合
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
基于PCA-PSO-BP神经网络的管道剩余强度评价
管道剩余强度
PCA-PSO-BP神经网络
影响因素
平均绝对误差
预测结果
基于PCA-BP神经网络算法桃树叶片SPAD值高光谱估算
高光谱
SPAD值
红边参数
主成分分析
BP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PCA和蜂群算法优化的BP神经网络
来源期刊 计算机应用与软件 学科 工学
关键词 主成分分析法 蜂群算法 泛化性 BP神经网络
年,卷(期) 2014,(1) 所属期刊栏目 人工智能与识别
研究方向 页码范围 182-185
页数 4页 分类号 TP183
字数 3828字 语种 中文
DOI 10.3969/j.issn.1000-386x.2014.01.048
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 熊蜀峰 平顶山学院软件学院 12 65 5.0 8.0
2 吕琼帅 平顶山学院软件学院 17 50 4.0 6.0
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  (11)
参考文献  (7)
节点文献
引证文献  (14)
同被引文献  (59)
二级引证文献  (57)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(2)
  • 二级参考文献(1)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(8)
  • 参考文献(1)
  • 二级参考文献(7)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(4)
  • 引证文献(4)
  • 二级引证文献(0)
2016(12)
  • 引证文献(5)
  • 二级引证文献(7)
2017(13)
  • 引证文献(1)
  • 二级引证文献(12)
2018(13)
  • 引证文献(2)
  • 二级引证文献(11)
2019(21)
  • 引证文献(0)
  • 二级引证文献(21)
2020(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
主成分分析法
蜂群算法
泛化性
BP神经网络
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
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导