原文服务方: 计算技术与自动化       
摘要:
产品制造的过程中存在较大的不确定性,从事前预测的角度出发,提出了一种结合现有产品合格率 、合格率变化规律等相关数据,借助BP神经网络等数学建模思想,并加入粒子群算法加以改进的产品质量预测模型,此种预测模型与传统BP神经网络相比,通过与粒子群算法的优化结合,进一步提高了预测精度.
推荐文章
粒子群算法优化BP神经网络的粉尘浓度预测
综采
粉尘浓度预测
BP神经网络
粒子群算法
拟合能力
改进的粒子群算法优化神经网络及应用
神经网络权值
粒子群优化算法
动态惯性权重
变异与交叉
有效性
基于改进粒子群优化算法的灰色神经网络模型
粒子群算法
灰色神经网络模型
预测
基于粒子群优化BP神经网络的高校科研管理评估研究
高校科研管理
绩效评估
粒子群算法
BP神经网络
模型预测
预测精度
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 基于粒子群算法优化BP神经网络的产品质量预测分析
来源期刊 计算技术与自动化 学科
关键词 BP神经网络 改进 粒子群算法 产品质量预测
年,卷(期) 2017,(3) 所属期刊栏目 算法分析与研究
研究方向 页码范围 92-95
页数 4页 分类号 TP18
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 王超英 东莞职业技术学院计算机工程系 15 21 2.0 3.0
2 钟辉 5 4 2.0 2.0
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  (30)
参考文献  (6)
节点文献
引证文献  (2)
同被引文献  (9)
二级引证文献  (0)
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)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(6)
  • 参考文献(1)
  • 二级参考文献(5)
2014(5)
  • 参考文献(2)
  • 二级参考文献(3)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
2020(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
BP神经网络
改进
粒子群算法
产品质量预测
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
计算技术与自动化
季刊
1003-6199
43-1138/TP
16开
1982-01-01
chi
出版文献量(篇)
2939
总下载数(次)
0
总被引数(次)
14675
论文1v1指导