作者:
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:
粒子群优化算法作为一种新型的算法由于具有原理简单、收敛速度快且易于实现的优势等成为学术界的专家学者关注的热点问题.文介绍了BP神经网络和粒子群算法两种预测方法,提出了基于改进改进粒子群算法的BP神经网络的基本算法及操作流程.
推荐文章
基于粒子群算法优化BP神经网络的产品质量预测分析
BP神经网络
改进
粒子群算法
产品质量预测
基于粒子群优化BP神经网络的脉象识别方法
脉象识别
粒子群算法
输出误差
误差反向传播算法
神经网络
泛化能力
一种基于高维粒子群算法的神经网络结构优化研究
高维BP神经网络
粒子群算法
神经网络
结构优化
基于粒子群优化神经网络的卫星故障预测方法
故障预测
卫星
粒子群优化
神经网络
时间序列
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 一种基于改进粒子群算法优化BP神经网络的预测方法
来源期刊 电子测试 学科 地球科学
关键词 BP神经网络优化 粒子群算法改进 方法
年,卷(期) 2015,(20) 所属期刊栏目 理论与算法
研究方向 页码范围 39-40,25
页数 3页 分类号 N93
字数 2317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 钱兆楼 12 19 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (7)
同被引文献  (23)
二级引证文献  (10)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(5)
  • 引证文献(4)
  • 二级引证文献(1)
2019(6)
  • 引证文献(1)
  • 二级引证文献(5)
2020(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
BP神经网络优化
粒子群算法改进
方法
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
电子测试
半月刊
1000-8519
11-3927/TN
大16开
北京市100098-002信箱
82-870
1994
chi
出版文献量(篇)
19588
总下载数(次)
63
总被引数(次)
36145
论文1v1指导