期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于多RBF神经网络的板形数据建模 被引量:5
1
作者 张秀玲 代景欢 +2 位作者 康学楠 李金祥 魏楷伦 《矿冶工程》 CAS CSCD 北大核心 2019年第6期124-128,共5页
常规单RBF神经网络板形识别模型不能全面分离出输入变化对每个特征参数的影响,为此设计了多RBF神经网络板形识别模型,用多个子网络分别识别不同的特征参数,能够更直接、更充分的提取出输入与每个输出的关系。仿真研究结果表明:所设计的... 常规单RBF神经网络板形识别模型不能全面分离出输入变化对每个特征参数的影响,为此设计了多RBF神经网络板形识别模型,用多个子网络分别识别不同的特征参数,能够更直接、更充分的提取出输入与每个输出的关系。仿真研究结果表明:所设计的多RBF神经网络板形识别模型能够正确识别出全部板形缺陷的类型,并且识别精度上比单RBF神经网络板形识别模型提高了16.1%。 展开更多
关键词 板形识别 主成分分析 多RBF神经网络 遗传算法
下载PDF
混合优化RBF-BP网络的板形缺陷识别 被引量:6
2
作者 张秀玲 李家欢 +2 位作者 李金祥 魏楷伦 康学楠 《模糊系统与数学》 北大核心 2020年第1期149-156,共8页
针对传统板形模式识别方法存在精度低、鲁棒性弱的问题,提出了一种混合优化RBF-BP组合神经网络板形模式识别方法。首先利用自组织映射网络(SOM)对样本聚类,利用聚类后的网络拓扑结构确定RBF的中心,并计算RBF的宽度,克服了传统聚类算法... 针对传统板形模式识别方法存在精度低、鲁棒性弱的问题,提出了一种混合优化RBF-BP组合神经网络板形模式识别方法。首先利用自组织映射网络(SOM)对样本聚类,利用聚类后的网络拓扑结构确定RBF的中心,并计算RBF的宽度,克服了传统聚类算法随机选取中心导致聚类结果不稳定的问题。然后利用遗传算法(GA)良好的全局搜索能力优化整个网络的权值。RBF-BP组合神经网络是由一个RBF子网和一BP子网串联构成的,该网络同时具备BP神经网络能较好地预测未知样本的能力以及RBF神经网络的逼近速度快的优点。并以某900HC可逆冷轧机板形识别为应用背景,在MATLAB2010a环境下进行仿真实验,结果表明混合优化RBF-BP组合神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形缺陷识别精度并具有较好的鲁棒性,可以满足板带轧机高精度的板形控制要求。 展开更多
关键词 模式识别 RBF-BP 混合优化 自组织映射网络 遗传算法 板形
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部