-
题名基于神经网络的中厚板凸度预报
- 1
-
-
作者
王冬菊
姚晓兰
-
机构
安徽师范大学电子系
北京理工大学信息科学技术学院
-
出处
《有色金属》
CSCD
北大核心
2007年第2期41-42,49,共3页
-
文摘
应用改进BP神经网络建立中厚板凸度预报的三层神经网络预报模型,用自适应学习速率法和附加动量法两种改进BP算法结合起来训练神经网络模型。试验仿真结果表明,该模型对测试数据预报结果均在3%之内,精度高,训练速度较快,具有很好的实用性。
-
关键词
金属材料
中厚板凸度预报
BP改进算法
神经网络
-
Keywords
metal material
crown prediction of media and heavy plate
improved BP method
neural network
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
TG335.5
[金属学及工艺—金属压力加工]
-
-
题名智能优化算法在复杂模型寻优中的研究
- 2
-
-
作者
王冬菊
-
机构
安徽师范大学电子系
-
出处
《安庆师范学院学报(自然科学版)》
2010年第4期48-49,61,共3页
-
基金
安徽师范大学青年基金项目资助(2007xqn67)
-
文摘
针对建立的钢板轧制过程中的中厚板凸度预报多参数复杂模型,分别采用BP算法、BP改进算法、混沌算法和粒子群算法进行寻优并对结果进行比较。实验结果表明,该模型切实可行,在模型优化中,混沌算法和BP算法寻优速度慢,精度不高,粒子群算法寻优速度和精度均有相应提高,BP改进算法寻优速度和精度均为最优。
-
关键词
神经网络
粒子群算法
BP算法
BP改进算法
混沌算法
-
Keywords
neural network
particle swarm algorithm
BP
BP improved algorithm
chaos
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于PSO的确定性问题优化研究
- 3
-
-
作者
王冬菊
-
机构
安徽师范大学电子系
-
出处
《电脑知识与技术》
2007年第2期1027-1027,1030,共2页
-
基金
安徽省原子与物理重点学科资助,项目编号:200605.
-
文摘
粒子群算法原理简单,易于实现,是进化算法中优化效率很高的算法。针对确定环境下的问题优化,提出采用粒子群算法对其进行优化求解。通过对确定性环境下的Benchmark函数的算法仿真研究,表明粒子群算法在确定性问题优化中具有快速收敛性和精确性的特点。
-
关键词
粒子群算法
确定性问题
优化
-
Keywords
particle swarm optimization (PSO)
certain problem
optimization
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-