原文服务方: 微电子学与计算机       
摘要:
提出一种基于模拟退火算法改进的BP神经网络。该方法利用模拟退火算法寻找更优化的样本子集,用来训练BP神经网络。通过理论分析以及实验仿真证明,在缩短训练时间以及迭代次数的基础上,显著提高BP神经网络的分类准确性。
推荐文章
基于KOHONEN神经网络的模拟退火算法
神经网络
模拟退火
广义优化
一种基于模拟退火算法改进的卷积神经网络
卷积神经网络
模拟退火算法
交叉熵
图像识别
遗传算法与模拟退火算法在神经网络优化中的性能分析
神经网络
优化
遗传算法
模拟退火
全局搜索
基于退火BP神经网络的模拟电路故障诊断方法
故障诊断
模拟电路
BP神经网络
模拟退火
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 基于模拟退火算法改进的 BP神经网络算法
来源期刊 微电子学与计算机 学科
关键词 BP神经网络 样本选择 主动学习 模拟退火
年,卷(期) 2016,(4) 所属期刊栏目
研究方向 页码范围 144-147
页数 4页 分类号 TP301.6
字数 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 周爱武 安徽大学计算机科学与技术学院 34 615 11.0 24.0
2 刘慧婷 安徽大学计算机科学与技术学院 64 1093 15.0 31.0
3 翟增辉 安徽大学计算机科学与技术学院 1 24 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (9)
参考文献  (3)
节点文献
引证文献  (24)
同被引文献  (72)
二级引证文献  (38)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(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)
2017(5)
  • 引证文献(5)
  • 二级引证文献(0)
2018(13)
  • 引证文献(7)
  • 二级引证文献(6)
2019(31)
  • 引证文献(10)
  • 二级引证文献(21)
2020(13)
  • 引证文献(2)
  • 二级引证文献(11)
研究主题发展历程
节点文献
BP神经网络
样本选择
主动学习
模拟退火
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
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导