基于改进BP神经网络的导引头电子部件性能预测

• 作者: 吕卫民 岳炯 柴志君 苏宁远
• 来源期刊: 舰船电子工程
• 学科: 工学
• 关键词: BP神经网络 算法改进 动量因子 学习速率 性能预测
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 可靠性、保障性技术与效能分析
• 页码范围: 111-115,123
• 页数: 6页
• 分类号: TP183
• 字数: 3992字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9730.2020.03.027

摘要

为提高BP神经网络的映射能力,通过反馈环节中权值阈值和输出误差来给调整公式中常数项动量因子和学习速率赋新值,提出改进BP神经网络算法.改进后的BP神经网络从理论上调整精度更高,训练速率更快,二者从原来的依靠经验赋值变成变量,训练适应性更强.通过仿真实验,相比传统BP神经网络,改进后的BP神经网络在训练速率上更快,预测精度明显提高.因此得出结论,改进后的BP神经网络算法在部分电子部件性能预测中具有更好的适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕卫民		49	235	8.0	12.0
2	岳炯		1	0	0.0	0.0
3	苏宁远		5	25	2.0	5.0
4	柴志君		3	0	0.0	0.0