[1]王晓敏 刘希玉 戴芬.BP神经网络预测算法的改进及应用[J].计算机技术与发展,2009,(11):64-67.
　WANG Xiao-min,LIU Xi-yu,DAI Fen.Improvement and Application of BP Neural Network Forecasting Algorithm[J].,2009,(11):64-67.
点击复制

BP神经网络预测算法的改进及应用()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2009年11期
页码:
64-67
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Improvement and Application of BP Neural Network Forecasting Algorithm
文章编号:
1673-629X（2009）11-0064-04
作者:
王晓敏1 刘希玉2 戴芬1
[1]山东师范大学信息科学与工程学院[2]山东师范大学管理与经济学院
Author(s):
WANG Xiao-min;  LIU Xi-yu;  DAI Fen
[1] Department of Information Science and Engineering,Shandong Normal University[2]Department of Management and Economics, Shandong Normal University
关键词:
BP算法; 数据预测; 仿真; 神经网络
Keywords:
BP algorithm;  data forecasting;  simulation;  neural network
分类号:
TP301
文献标志码:
A
摘要:
BP算法是应用广泛的神经网络算法，具有较强的非线性拟合能力，可以用来预测非线性时间序列数据的发展趋势。但在实际应用和仿真过程中，由于算法本身的限制和不足，对于仿真和计算都会带来很多问题，比如网络训练过程中程序异常中止、训练时间过长、仿真精度不高等。针对这样的情况。通过分析算法本身和训练仿真过程，找到了相应的原因和解决方法，研究了传统BP神经网络模型的缺陷并提出附加动量的方法来改进BP神经网络，最后通过在Matlab仿真环境下的实际仿真过程，验证了改善效果
Abstract:
BP（back propagation） algorithm which is one of the most widely used neural network algorithms, has very high nonlinear fitting ability, and it can be used to predict the developing trend of time series data in practical application and simulation. But som

相似文献/References:

[1]李志俊 程家兴 金奎 饶玉佳.基于样本期望训练数的BP神经网络改进研究[J].计算机技术与发展,2009,(05):103.
　LI Zhi-jun,CHENG Jia-xing,JIN Kui,et al.BP Algorithm Improvement Based on Sample Expected Training Number[J].,2009,(11):103.
[2]薛俊 陈行 陶军.一种基于神经网络的入侵检测技术[J].计算机技术与发展,2009,(08):148.
　XUE Jun,CHEN Hang,TAO Jun.Technology of Intrusion Detection Based on Neural Network[J].,2009,(11):148.
[3]蔡秋茹 罗烨 柳益君 叶飞跃.企业资信的BP神经网络评估模型研究[J].计算机技术与发展,2009,(10):117.
　CAI Qiu-ru,LUO Ye,LIU Yi-jun,et al.Research on BP Neural Network Model for Corporation Credit Rating[J].,2009,(11):117.
[4]丁晓贵 刘桂江.基于PIDNN的污水处理系统参数辨识研究[J].计算机技术与发展,2008,(05):200.
　DING Xiao-gui,LIU Gui-jiang.Study on Identification Parameters of Wastewater Treatment System Based on PIDNN[J].,2008,(11):200.
[5]张充 史青宣 苗秀芬 杨芳 田学东.基于BP神经网络的手写体数字识别[J].计算机技术与发展,2008,(06):128.
　ZHANG Chong,SHI Qing-xuan,MIAO Xiu-fen,et al.Handwritten Numeral Recognition Based on BP Neural Network[J].,2008,(11):128.
[6]郭彦伟 王洪国 王鑫 于惠.一种基于并行策略的BP改进算法[J].计算机技术与发展,2008,(10):110.
　GUO Yan-wei,WANG Hong-guo,WANG Xin,et al.An Improved BP Algorithm Based on Parallel[J].,2008,(11):110.
[7]马恋 何锫.基于神经网络的数据压缩研究[J].计算机技术与发展,2007,(02):12.
　MA Lian,HE Pei.Research on NN- Based Data Compression[J].,2007,(11):12.
[8]夏敏 刘宏申.基于小波描述子和神经网络的形状识别[J].计算机技术与发展,2007,(03):106.
　XIA Min,LIU Hong-shen.The Shape Recognition System Based on Wavelet Descriptors and Neural Networks[J].,2007,(11):106.
[9]王辉.基于结构简化的BP网络的多类形状识别[J].计算机技术与发展,2006,(07):13.
　WANG Hui.An Algorithm Research on BP Based on Structure Simplification[J].,2006,(11):13.
[10]贾丽会 张修如.BP算法分析与改进[J].计算机技术与发展,2006,(10):101.
　JIA Li-hui,ZHANG Xiu-ru.Analysis and Improvements of BP Algorithm[J].,2006,(11):101.

备注/Memo

备注/Memo:
国家自然科学基金重大项目（60873058;60743010）;山东省自然科学基金重大项目（Z2007G03）王晓敏（1983-），女，硕士研究生．研究方向为数据挖掘与智能算法；刘希玉，“泰山学者”，教授，博士生导师,研究方向为数据挖掘与人工智能
更新日期/Last Update: 1900-01-01