针对输入与输出之间高度非线性映射的发动机生产作业环境综合评价问题,文章应用误差反向传播(error back propagation,BP)人工神经网络构建综合评价模型。通过分析发动机生产作业环境的特点、主要影响因素及其危害,建立发动机生产作业...针对输入与输出之间高度非线性映射的发动机生产作业环境综合评价问题,文章应用误差反向传播(error back propagation,BP)人工神经网络构建综合评价模型。通过分析发动机生产作业环境的特点、主要影响因素及其危害,建立发动机生产作业环境评价指标体系,并确定每个单项指标的分级标准;将温度、湿度、气流速度、油雾、噪声以及照度6个指标作为模型输入,舒适度等级作为模型输出,建立3层BP神经网络模型;并应用贝叶斯正则化和动量梯度下降法较好地解决了传统BP人工神经网络训练高精度和预测低精度的过拟合现象。实验结果表明,基于该模型的评价结果符合实际情况,对作业环境改善具有指导意义。展开更多
文摘针对输入与输出之间高度非线性映射的发动机生产作业环境综合评价问题,文章应用误差反向传播(error back propagation,BP)人工神经网络构建综合评价模型。通过分析发动机生产作业环境的特点、主要影响因素及其危害,建立发动机生产作业环境评价指标体系,并确定每个单项指标的分级标准;将温度、湿度、气流速度、油雾、噪声以及照度6个指标作为模型输入,舒适度等级作为模型输出,建立3层BP神经网络模型;并应用贝叶斯正则化和动量梯度下降法较好地解决了传统BP人工神经网络训练高精度和预测低精度的过拟合现象。实验结果表明,基于该模型的评价结果符合实际情况,对作业环境改善具有指导意义。
