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:
神经网络算法是深度学习研究的重点,遗传算法是一种自适应优化搜索算法,模拟退火算法是寻找最优解的算法,本文主要分析了神经网络,遗传算法和模拟退火算法的特点和缺陷,研究BP神经网络和遗传模拟退火算法相结合的技术,从发挥算法的优点基础上,提出了一个基于模拟退火遗传算法的BP神经网络模型,并应用于某观影俱乐部,作为新电影上映预测和用户推荐,实验结果表明:该算法在收敛性和准确率上都有较好的效果.
推荐文章
基于模拟退火算法改进的 BP神经网络算法
BP神经网络
样本选择
主动学习
模拟退火
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
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
基于模拟退火优化BP神经网络的pH值预测?
BP神经网络
模拟退火
pH值
非线性回归
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 基于模拟退火算法优化的BP神经网络预测模型
来源期刊 软件工程 学科 工学
关键词 BP神经网络 模拟退火 遗传算法 收敛
年,卷(期) 2018,(7) 所属期刊栏目 方法与技术
研究方向 页码范围 36-38
页数 3页 分类号 TP391
字数 3496字 语种 中文
DOI 10.19644/j.cnki.issn2096-1472.2018.07.010
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 蒋美云 南京工业职业技术学院计算机与软件学院 17 47 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (51)
共引文献  (186)
参考文献  (10)
节点文献
引证文献  (11)
同被引文献  (23)
二级引证文献  (5)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(9)
  • 参考文献(1)
  • 二级参考文献(8)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2014(7)
  • 参考文献(1)
  • 二级参考文献(6)
2015(4)
  • 参考文献(1)
  • 二级参考文献(3)
2016(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(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(9)
  • 引证文献(7)
  • 二级引证文献(2)
2020(7)
  • 引证文献(4)
  • 二级引证文献(3)
研究主题发展历程
节点文献
BP神经网络
模拟退火
遗传算法
收敛
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
软件工程
月刊
2096-1472
21-1603/TP
大16开
辽宁省沈阳市浑南新区新秀街2号
8-198
1985
chi
出版文献量(篇)
5636
总下载数(次)
15
论文1v1指导