Indexed by：
Abstract：
人工神经网络是模仿动物神经网络行为并执行分布式并行信息处理的数学模型.网络依赖于系统的复杂性,调整大量节点之间的连接,达到处理信息的目的.因BP神经网络具有自适应性、自组织性和实时性等特点.目前,它广泛应用于模式识别、预测估计、信号处理等领域;因BP网络是基于梯度下降法实现算法学习的,所以不可避免地存在算法收敛效率较低的情况,非常容易停靠在局部最小点上导致在预测问题上效果一般.如何优化改进BP网络一直是一个备受关注的焦点.本文从两方面着手改进BP神经网络,并以在出版物中的图像识别为应用进行研究,以求提高网络收敛性和预测精度.
Keyword：
Reprint Author's Address：
Email：
Source ：
现代信息科技
Year： 2019
Issue： 7
Volume： 3
Page： 11-13
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 6
Affiliated Colleges：
