期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
浅谈粒子群算法与BP神经网络
被引量:
2
下载PDF
职称材料
导出
摘要
粒子群优化(PSO)算法是一种新兴的优化技术,其思想来源于人工生命和演化计算理论。该算法简单易实行,可调参数少,已得到广泛研究和应用。现主要阐述了粒子群算法(PSO)和BP神经网络的特点,并分析了粒子群算法优化BP神经网络的必要性,同时对今后的研究前景作了具体的展望。
作者
聂琼
机构地区
新疆大学
出处
《轻纺工业与技术》
2013年第1期68-70,共3页
关键词
粒子群算法
神经网络
BP算法
优化
分类号
TS101.8 [轻工技术与工程—纺织工程]
引文网络
相关文献
节点文献
二级参考文献
76
参考文献
8
共引文献
716
同被引文献
18
引证文献
2
二级引证文献
5
参考文献
8
1
杨维,李歧强.
粒子群优化算法综述[J]
.中国工程科学,2004,6(5):87-94.
被引量:354
2
李爱国,覃征,鲍复民,贺升平.
粒子群优化算法[J]
.计算机工程与应用,2002,38(21):1-3.
被引量:301
3
何佳,陈智慧,杨迎新.
综合改进的粒子群神经网络算法[J]
.计算机工程与设计,2008,29(11):2890-2892.
被引量:14
4
沈学利,张红岩,张纪锁.
改进粒子群算法对BP神经网络的优化[J]
.计算机系统应用,2010,19(2):57-61.
被引量:34
5
史峰;王辉;郁磊;胡斐.MATLAB智能算法30个案例分析[M]北京:北京航空航天大学出版社,2011.
6
马翔.
粒子群优化BP神经网络用于重复记录检测[J]
.辽宁工程技术大学学报(自然科学版),2010,29(5):959-962.
被引量:4
7
朱珍德,杨喜庆,郝振群,王士宏.
基于粒子群优化BP神经网络的隧道围岩位移反演分析[J]
.水利与建筑工程学报,2010,8(4):16-20.
被引量:21
8
操建华,林宏伟,张实诚.
基于粒子群优化径向基神经网络的水质指标预测[J]
.煤炭技术,2010,29(2):201-204.
被引量:4
二级参考文献
76
1
盛谦,丁秀丽,冯夏庭,冯夏庭,张治强.
三峡船闸高边坡考虑开挖卸荷效应的位移反分析[J]
.岩石力学与工程学报,2000,19(z1):987-993.
被引量:39
2
高海兵,高亮,周驰,喻道远.
基于粒子群优化的神经网络训练算法研究[J]
.电子学报,2004,32(9):1572-1574.
被引量:93
3
施彦,黄聪明,侯朝桢.
基于改进的PSO算法的神经网络集成[J]
.复旦学报(自然科学版),2004,43(5):692-695.
被引量:8
4
王存睿,段晓东,刘向东,周福才.
改进的基本粒子群优化算法[J]
.计算机工程,2004,30(21):35-37.
被引量:43
5
王文,马骏.
若干水文预报方法综述[J]
.水利水电科技进展,2005,25(1):56-60.
被引量:79
6
谷晓平,王长耀,王汶,王臣立.
应用于水文预报的优化BP神经网络研究[J]
.生态环境,2004,13(4):524-527.
被引量:17
7
李祚泳.
B-P网络用于水质综合评价方法的研究[J]
.环境工程,1995,13(2):51-53.
被引量:48
8
韩京宇,徐立臻,董逸生.
一种大数据量的相似记录检测方法[J]
.计算机研究与发展,2005,42(12):2206-2212.
被引量:32
9
朱合华,张晨明,王建秀,丁文其.
龙山双连拱隧道动态位移反分析与预测[J]
.岩石力学与工程学报,2006,25(1):67-73.
被引量:29
10
高玮.
基于粒子群优化的岩土工程反分析研究[J]
.岩土力学,2006,27(5):795-798.
被引量:34
共引文献
716
1
宋宇飞,毛庆洲,周昊,胡雪晴.
圆光栅角度传感器偏心误差的分析与补偿[J]
.仪器仪表学报,2022,43(12):76-86.
被引量:4
2
林焕杰.
大跨度铁路连续钢桁梁预拱度设置研究[J]
.四川水泥,2022(11):250-252.
3
田泽众,张瑶,张海洋,孙红,李民赞.
基于IGWO算法的冬小麦作物-土壤全氮含量一体化监测[J]
.农业机械学报,2021,52(S01):304-309.
被引量:2
4
高显义,林欣晖.
基于文本聚类的变电工程变更特征识别研究[J]
.建筑经济,2020,41(S02):200-203.
被引量:2
5
肖磊.
基于支持向量机参数优化的图像特征智能辨识[J]
.电脑知识与技术,2020,0(4):173-175.
被引量:2
6
史鸿锋,李永林.
精英反向黄金正弦被囊群优化算法[J]
.智能计算机与应用,2021,11(11):189-193.
被引量:3
7
武荣阳,孟红记,梅国晖,次英,谢植,林国强.
小方坯连铸过程二冷区水量的优化[J]
.钢铁,2004,39(z1):558-560.
8
王世卫,李爱国.
粒子群优化算法训练模糊神经网络[J]
.仪器仪表学报,2004,25(z1):938-939.
被引量:2
9
蔡涵鹏,贺振华,黄德济.
基于粒子群优化算法波阻抗反演的研究与应用[J]
.石油地球物理勘探,2008,43(5):535-539.
被引量:11
10
王晓乐,徐家品.
基于粒子群优化算法的WSNs节点定位研究[J]
.计算机应用,2009,29(2):494-495.
被引量:19
同被引文献
18
1
陈峰.
新疆电力发展的现状分析及建议[J]
.现代工业经济和信息化,2012,2(12):21-23.
被引量:3
2
韩璞,董泽,王东风,等.智能控制理论及应用[M].北京:中国电力出版社,2012.
3
王峰,邢科义,徐小平.
系统辨识的粒子群优化方法[J]
.西安交通大学学报,2009,43(2):116-120.
被引量:30
4
董泽,丁方,桑士杰.
基于PSO算法的1000MW机组主汽温系统辨识[J]
.电力科学与工程,2012,28(12):1-5.
被引量:8
5
焦嵩鸣,谭雨林,桑士杰.
基于改进粒子群算法的主汽温控制系统PID参数优化[J]
.电力科学与工程,2012,28(12):9-13.
被引量:13
6
王利杰,孙明,程希,殷立国,孙剑.
循环流化床锅炉床温的传递函数智能建模方法[J]
.电力科学与工程,2013,29(11):71-78.
被引量:9
7
唐祥玲,王平,李思岑,白朝元.
基于方差-协方差组合预测的中长期电力负荷预测研究[J]
.电气技术,2015,16(1):15-18.
被引量:7
8
马洪英.
推进新疆电能替代的对策及建议[J]
.电力需求侧管理,2016,18(5):48-49.
被引量:1
9
孙毅,周爽,单葆国,贾德香,曹昉.
多情景下的电能替代潜力分析[J]
.电网技术,2017,41(1):118-123.
被引量:48
10
张波,杨尚宇,王强.
线性回归法在电力多边交易中的应用[J]
.包钢科技,2017,43(2):82-84.
被引量:1
引证文献
2
1
吕丽霞,林向雨.
基于标准粒子群算法对热工模型的辨识[J]
.电力科学与工程,2014,30(7):68-72.
被引量:2
2
李昌祖.
基于电能替代背景下的新疆用电量预测研究[J]
.上海节能,2019(3):173-177.
被引量:3
二级引证文献
5
1
黄伟,付家兴,谢威,李芹.
基于改进粒子群算法的热工温度模型辨识[J]
.热能动力工程,2017,32(11):98-103.
被引量:9
2
邓雪凝.
基于灰色关联度的BP神经网络模型短期用电量预测[J]
.电子技术与软件工程,2020(4):215-217.
被引量:1
3
李昌祖,牛东晓,张欣岩,苗博.
基于改进的粒子群优化BP神经网络浙江电能替代潜力预测模型[J]
.科学技术与工程,2020,20(13):5173-5179.
被引量:8
4
曹振乾,印江,张津华.
基于改进粒子群算法的主蒸汽温度系统辨识[J]
.系统仿真学报,2021,33(10):2411-2419.
被引量:12
5
张爱梅.
基于神经网络组合预测模型的农村电能替代潜力研究[J]
.自动化应用,2023,64(22):58-61.
被引量:1
1
乐嘉锦,孙志仁.
织物组织CAD的计算理论[J]
.中国纺织大学学报,1989,15(4):34-40.
被引量:1
2
熊经纬,杨建国,徐兰.
基于PSO-BP神经网络的纱线质量预测[J]
.东华大学学报(自然科学版),2015,41(4):498-502.
被引量:14
3
寇勇琦,段亚峰,党旭艳,洪益明.
瓜尔胶的研究及其在纺织印花中的应用[J]
.国际纺织导报,2009,37(1):56-56.
被引量:8
4
柳永杰,马建伟.
神经网络技术在纺织上的应用[J]
.现代纺织技术,2008,16(5):48-50.
被引量:2
5
周远,徐映红,徐定华.
结合粒子群算法的一类双层纺织材料厚度设计反问题[J]
.纺织学报,2013,34(6):40-45.
被引量:2
6
练军,陆忠,朱惠良.
神经网络用于熔喷非织造布过滤性能的研究[J]
.产业用纺织品,2003,21(5):30-32.
被引量:4
7
王鸿博,高卫东,宋丽丽.
利用神经网络技术预测浆纱质量[J]
.棉纺织技术,2005,33(7):29-32.
被引量:1
8
Stoll公司的横机在技术纺织品领域的应用[J]
.纺织导报,2006(9):34-35.
被引量:1
9
王彩虹,吴雄英,丁雪梅.
基于支持向量机的近红外光谱羊毛混纺面料的无损鉴别技术[J]
.毛纺科技,2016,44(4):1-5.
被引量:5
10
上海理工大学:变色织物及其制备与应用获专利[J]
.毛麻科技信息,2011(2):7-7.
轻纺工业与技术
2013年 第1期
职称评审材料打包下载
相关作者
内容加载中请稍等...
相关机构
内容加载中请稍等...
相关主题
内容加载中请稍等...
浏览历史
内容加载中请稍等...
;
用户登录
登录
IP登录
使用帮助
返回顶部