所屬分類：電子期刊瀏覽：次
《互聯(lián)網(wǎng)天地》簡介：
《互聯(lián)網(wǎng)天地》內(nèi)容涵蓋互聯(lián)網(wǎng)、IT、電信業(yè)中面對基層用戶的各方面業(yè)務(wù)，主要特點(diǎn)是集中整合互聯(lián)網(wǎng)消費(fèi)信息、互聯(lián)網(wǎng)應(yīng)用情況、網(wǎng)絡(luò)技術(shù)動(dòng)態(tài)(特別是新技術(shù)推出后能開展的新業(yè)務(wù)等衍生內(nèi)容)、各類產(chǎn)品業(yè)務(wù)開發(fā)應(yīng)用及其運(yùn)營特點(diǎn)、信息化(包括機(jī)構(gòu)和企事業(yè)單位的信息化)、國外同業(yè)動(dòng)態(tài)等，定期推出重大專題。文章內(nèi)容注重專業(yè)性、權(quán)威性、可讀性、時(shí)效性和可操作性，專題強(qiáng)調(diào)深入、客觀、專業(yè)，具有建設(shè)性。
《互聯(lián)網(wǎng)天地》主辦： 中國互聯(lián)網(wǎng)協(xié)會(huì);人民郵電出版社，周期： 月刊，出版地：北京市，語種： 中文，開本： 16開，國際刊號(hào)：ISSN1672-5077，國內(nèi)刊號(hào)：CN11-5055/TN，郵發(fā)代號(hào)： 80-139，創(chuàng)刊時(shí)間：2004
2014 年第9期《互聯(lián)網(wǎng)天地》期刊收錄論文發(fā)表：
11 電信運(yùn)營商發(fā)展物聯(lián)網(wǎng)的影響因素及對策研究 …………………………范鵬飛;林婷婷;朱靜毅; 34-39
12 國家公祭網(wǎng)手機(jī)客戶端上線………………………… 39
13 基于NFC技術(shù)的校園支付應(yīng)用創(chuàng)新研究 …………………………朱峰;尚軍; 40-43
14 北斗衛(wèi)星定位將在2015年底前提供米級精度服務(wù)………………………… 43
15 “劍網(wǎng)行動(dòng)”10年查互聯(lián)網(wǎng)侵權(quán)盜版案4000余起………………………… 43
16 IP RAN SDN的研究與實(shí)踐 …………………………孫嘉琪;楊廣銘;盧泉; 44-49
17 網(wǎng)上銀行等成主要被攻擊目標(biāo) …………………………49
18 SDN北向接口發(fā)展現(xiàn)狀與趨勢研究 …………………………龐濤;魏含宇;武娟;陳建; 50-56
19 網(wǎng)絡(luò)信息安全的趨勢分析………………………… 許廣; 57-60
20 騰訊宣布推出影視業(yè)務(wù)平臺(tái)“騰訊電影+”………………………… 60
網(wǎng)絡(luò)論文發(fā)表：看當(dāng)下網(wǎng)絡(luò)技術(shù)在農(nóng)業(yè)中的運(yùn)用發(fā)展
摘要：在分析全國農(nóng)業(yè)機(jī)械裝備數(shù)量的時(shí)間序列預(yù)測模型的基礎(chǔ)上，提出遺傳算法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，發(fā)揮遺傳算法全局搜索能力較強(qiáng)的優(yōu)點(diǎn)，減少和避免出現(xiàn)BP神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測過程中運(yùn)算結(jié)果落入局部最小值，最大程度地發(fā)揮神經(jīng)網(wǎng)絡(luò)精度高、可自主學(xué)習(xí)和對非線性函數(shù)具有良好適應(yīng)能力等優(yōu)勢。預(yù)測結(jié)果表明，利用遺傳算法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法預(yù)測全國農(nóng)業(yè)機(jī)械裝備數(shù)量，農(nóng)機(jī)總動(dòng)力預(yù)測值與實(shí)際值最大誤差3.542%、農(nóng)用大中型拖拉機(jī)數(shù)量預(yù)測值與實(shí)際值最大誤差4.132%和小型拖拉機(jī)數(shù)量預(yù)測值與實(shí)際值最大誤差6.021%，預(yù)測值與歷史樣本數(shù)據(jù)之間的絕對值平均誤差分別為1.080%、1.352%和1.765%，預(yù)測精度較穩(wěn)定，適用本文本時(shí)間序列預(yù)測問題。
關(guān)鍵詞：農(nóng)業(yè)機(jī)械,網(wǎng)絡(luò)應(yīng)用,農(nóng)業(yè)科技
但當(dāng)BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于預(yù)測模型尤其對于未來增長趨勢比較明顯的預(yù)測模型時(shí)，雖然其收斂精度較高，但其值域范圍受限導(dǎo)致訓(xùn)練樣本擬合函數(shù)與預(yù)測數(shù)據(jù)有較大差異，導(dǎo)致其局部搜索能力較強(qiáng)但全局搜索能力較差，易陷入局部最優(yōu)值。本文通過引入遺傳算法，發(fā)揮該算法全局搜索能力較強(qiáng)的特點(diǎn)，對BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值進(jìn)行預(yù)優(yōu)化，賦予各層較佳輸出解空間，發(fā)揮BP神經(jīng)網(wǎng)絡(luò)局部搜索能力強(qiáng)的特點(diǎn)，實(shí)現(xiàn)強(qiáng)強(qiáng)聯(lián)合，提高時(shí)間序列預(yù)測的精準(zhǔn)度。
