作者:
原文服务方: 现代电子技术       
摘要:
为克服传统BP神经网络在运算过程的不足,提出一种基于高维粒子群算法的神经网络优化方法。通过在高维PSO算法中引入随机变化的加速常数来获得最优权值,对BP神经网络进行优化和训练,再将优化好的高维BP神经网络运用到交通事件自动检测中,通过检测训练算法,并对训练后的数据进行分类测试,把分类测试的结果与传统BP神经网络和经典事件检测算法比较。结果显示,经过优化后的高维粒子群BP神经网络的检测率、算法性能均优于BP神经网络算法和经典算法,其中97,50个测试样本中仅有2个测试样本与应该达到的数值不一致,其他样本都满足测试要求,并且平均优化测试时间是传统BP神经网络检测时间的一半,因此,优化后的BP神经网络算法的性能十分优越。
推荐文章
粒子群算法优化神经网络结构的研究
粒子群
神经网络
隐含层节点数
函数拟合
混合粒子群优化算法优化前向神经网络结构和参数
粒子群优化
神经网络
故障诊断
遗传算法
基于改进粒子群优化算法的神经网络设计
粒子群算法
蚁群算法
信息素
神经网络设计
基于Pareto的神经网络结构集成优化方法
结构优化
进化计算
Pareto最优
网络集成
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 一种基于高维粒子群算法的神经网络结构优化研究
来源期刊 现代电子技术 学科
关键词 高维BP神经网络 粒子群算法 神经网络 结构优化
年,卷(期) 2017,(3) 所属期刊栏目 测试?测量?自动化
研究方向 页码范围 157-159,163
页数 4页 分类号 TN711-34|TP311
字数 语种 中文
DOI 10.16652/j.issn.1004-373x.2017.03.043
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 黄余 重庆大学计算机学院 39 8 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (90)
共引文献  (166)
参考文献  (14)
节点文献
引证文献  (4)
同被引文献  (13)
二级引证文献  (0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(11)
  • 参考文献(0)
  • 二级参考文献(11)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(6)
  • 参考文献(1)
  • 二级参考文献(5)
2010(11)
  • 参考文献(1)
  • 二级参考文献(10)
2011(15)
  • 参考文献(2)
  • 二级参考文献(13)
2012(13)
  • 参考文献(2)
  • 二级参考文献(11)
2013(10)
  • 参考文献(3)
  • 二级参考文献(7)
2014(7)
  • 参考文献(1)
  • 二级参考文献(6)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
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)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高维BP神经网络
粒子群算法
神经网络
结构优化
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
现代电子技术
半月刊
1004-373X
61-1224/TN
大16开
1977-01-01
chi
出版文献量(篇)
23937
总下载数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导