基于平行图像与深度学习的选矿厂设备群升级辅助决策技术

现有选矿厂设备升级辅助决策技术对神经网络的反向微调结果精度较差,导致选矿厂设备的升级优化效果较差。基于平行图像与深度学习算法,设计选矿厂设备群升级辅助决策技术。使用平行图像的方式采集与渲染选矿厂设备信息,标记语义精度样式,计算修正后图像损失函数。应用深度学习训练辅助决策模型参数获取随机单元激活函数,获取循环次数与误差的重构系数。建立选矿厂设备群升级辅助决策模型。实验结果表明,该技术能以最快的速度得到决策结果,且误差较小,选矿厂设备群升级过程的数据精度与完整性可得到保证。