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:
针对化工过程的高度非线性以及传统建模方法拟合非线性模型时易陷入局部最优、迭代慢等问题,提出采用小生境布谷鸟搜索算法的神经网络建模方法.首先利用布谷鸟搜索算法参数少收敛快的优异参数寻优特性,优化传统BP神经网络的权值,用以改善算法的局部最优问题.并利用小生境策略进一步优化布谷鸟神经网络算法,以加快参数优化收敛速度,提高神经网络建模精度.通过对DISO对象的仿真建模,表明布谷鸟算法显著改善了传统BP神经网络容易陷入局部最优的问题.对TE化工过程的建模结果显示,加入小生境策略后明显加快了算法的收敛速度.
推荐文章
基于粒子群算法的布谷鸟搜索算法
布谷鸟搜索
Levy飞行
粒子群优化算法
基于高斯扰动的布谷鸟搜索算法
布谷鸟搜索算法
高斯扰动
收敛速度
云模型的布谷鸟搜索算法
布谷鸟搜索算法
云模型
云模型的布谷鸟搜索算法
基于蚁群算法优化的布谷鸟搜索算法
Levy飞行
布谷鸟搜索算法
蚁群优化算法
鸟巢位置更新策略
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 基于小生境布谷鸟搜索算法的神经网络建模
来源期刊 计算机仿真 学科 地球科学
关键词 建模 神经网络 布谷鸟搜索算法 小生境策略
年,卷(期) 2016,(12) 所属期刊栏目 仿真智能化
研究方向 页码范围 309-313
页数 5页 分类号 N945.12
字数 4057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 杨马英 浙江工业大学信息工程学院 59 735 16.0 25.0
2 胡颂 浙江工业大学信息工程学院 1 1 1.0 1.0
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  (6)
节点文献
引证文献  (1)
同被引文献  (5)
二级引证文献  (0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2019(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
建模
神经网络
布谷鸟搜索算法
小生境策略
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
计算机仿真
月刊
1006-9348
11-3724/TP
大16开
北京海淀阜成路14号
82-773
1984
chi
出版文献量(篇)
20896
总下载数(次)
43
总被引数(次)
127174
论文1v1指导