期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
Elman神经网络的板形模式识别方法 被引量:2
1
作者 张秀玲 李少清 田力勇 《智能系统学报》 2010年第5期449-453,共5页
针对静态网络设计和识别时间模式的能力弱、泛化能力差、学习速度慢等缺点,建立了一个基于E lm an神经网络的板形模式识别系统.该系统由于考虑到了神经网络的过学习或过拟合问题,且通过经验公式和对比实验来确定神经网络的隐层节点数,... 针对静态网络设计和识别时间模式的能力弱、泛化能力差、学习速度慢等缺点,建立了一个基于E lm an神经网络的板形模式识别系统.该系统由于考虑到了神经网络的过学习或过拟合问题,且通过经验公式和对比实验来确定神经网络的隐层节点数,具有简单、有效的优点.系统通过对6种基本板形模式及其组合模式的学习,具有了一定的泛化能力.经仿真验证,实际输出的误差均小于0.1,识别效果良好,可以证明基于E lm an动态网络的系统,其板形识别能力要强于BP网络构成的系统. 展开更多
关键词 板形模式识别 Ehnan神经网络 动态网络
在线阅读 下载PDF
基于小波消噪和优化支持向量机的板形模式识别 被引量:7
2
作者 吴忠强 康晓华 于丹琦 《中国机械工程》 EI CAS CSCD 北大核心 2018年第1期95-103,共9页
提高板形模式识别的精度利于得到高精度的控制效果。针对实测的板形信号中混有噪声信号的问题,利用双变量阈值小波去噪,克服了软硬阈值函数在处理小波系数方面存在的缺点,使得去噪的效果更好。将去噪后的板形信号离散化,作为支持向量机... 提高板形模式识别的精度利于得到高精度的控制效果。针对实测的板形信号中混有噪声信号的问题,利用双变量阈值小波去噪,克服了软硬阈值函数在处理小波系数方面存在的缺点,使得去噪的效果更好。将去噪后的板形信号离散化,作为支持向量机的学习样本,建立识别模型。引入布谷鸟算法优化支持向量机的参数。仿真结果表明,相比于粒子群和遗传算法,布谷鸟优化算法所需匹配的参数少,而获得的最优解更好。 展开更多
关键词 板形模式识别 双变量阈值小波函数 支持向量机 布谷鸟优化算法
在线阅读 下载PDF
基于改进海鸥算法结合Elman网络的板形模式识别方法 被引量:1
3
作者 吕冠艳 田学东 李奋华 《矿冶工程》 CAS 北大核心 2023年第2期140-144,148,共6页
为了提高板形模式识别精度,提出了一种基于改进海鸥算法结合Elman网络的板形模式识别方法。将改进的海鸥算法对Elman网络权值阈值进行优化,用于板形模式识别,选取20组数据进行测试,并将结果与基于BP神经网络的板形模式识别和基于传统El... 为了提高板形模式识别精度,提出了一种基于改进海鸥算法结合Elman网络的板形模式识别方法。将改进的海鸥算法对Elman网络权值阈值进行优化,用于板形模式识别,选取20组数据进行测试,并将结果与基于BP神经网络的板形模式识别和基于传统Elman网络的板形模式识别方法进行比较,结果表明本文算法精度更高、效果更好,均方误差MSE相比其他算法低2个数量级。 展开更多
关键词 海鸥算法 混沌映射 板形模式识别 ELMAN神经网络 控制
在线阅读 下载PDF
基于优化终端滑模模糊神经网络的板形模式识别 被引量:4
4
作者 吴忠强 康晓华 于丹琦 《矿冶工程》 CSCD 北大核心 2017年第5期109-113,117,共6页
针对板形模式识别问题,将板形信号离散化、归一化,作为终端滑模模糊神经网络的学习样本,建立识别模型。在模糊神经网络的基础上,利用终端滑模权值调整律代替梯度下降法的权值调整律,提高网络的精度。为了进一步提高识别的精度以及收敛速... 针对板形模式识别问题,将板形信号离散化、归一化,作为终端滑模模糊神经网络的学习样本,建立识别模型。在模糊神经网络的基础上,利用终端滑模权值调整律代替梯度下降法的权值调整律,提高网络的精度。为了进一步提高识别的精度以及收敛速度,引入布谷鸟算法优化模糊神经网络的模型参数。仿真结果表明,提出的识别模型对训练样本和未训练样本的平均最小方差分别为0.000 5和0.011 0,比模糊神经网络(FNN)和径向基神经网络(RBF)的值都小。对某冷轧厂宽度1 040 mm带材的一组实测板形数据识别结果表明,相比于FNN和RBF网络,CS-TSMFNN的识别效果更好。 展开更多
关键词 冷轧 板形模式识别 模糊神经网络 快速终端滑模 布谷鸟优化算法
在线阅读 下载PDF
基于Legendre多项式的板形模式识别优化仿真及应用 被引量:1
5
作者 王海霞 王庆华 《材料与冶金学报》 CAS 北大核心 2021年第4期275-281,共7页
板形缺陷模式识别是铜带轧机板形控制中最重要的部分.本文在对多种识别方法对比分析的基础上,提出了一种基于Legendre多项式的板形缺陷识别优化算法.利用其正交特性,结合轧制工艺要求,采用Matlab仿真得到板形基函数多项式的参数设定,代... 板形缺陷模式识别是铜带轧机板形控制中最重要的部分.本文在对多种识别方法对比分析的基础上,提出了一种基于Legendre多项式的板形缺陷识别优化算法.利用其正交特性,结合轧制工艺要求,采用Matlab仿真得到板形基函数多项式的参数设定,代替原Legendre多项式的固定参数,同时根据来料板形特征设置迭代方程.结果表明:该优化算法能够有效地得到板形特征值,既弥补了最小二乘法板形识别的缺陷,又避免了Legendre正交多项式对调节机构的特殊要求;经现场验证,板形平均误差从±8 I减小到±6 I,精度提高了10%左右. 展开更多
关键词 缺陷模式识别 Legendre正交多项式 基函数 优化算法
在线阅读 下载PDF
Visualization of flatness pattern recognition based on T-S cloud inference network 被引量:2
6
作者 张秀玲 赵亮 +1 位作者 臧佳音 樊红敏 《Journal of Central South University》 SCIE EI CAS CSCD 2015年第2期560-566,共7页
Flatness pattern recognition is the key of the flatness control. The accuracy of the present flatness pattern recognition is limited and the shape defects cannot be reflected intuitively. In order to improve it, a nov... Flatness pattern recognition is the key of the flatness control. The accuracy of the present flatness pattern recognition is limited and the shape defects cannot be reflected intuitively. In order to improve it, a novel method via T-S cloud inference network optimized by genetic algorithm(GA) is proposed. T-S cloud inference network is constructed with T-S fuzzy neural network and the cloud model. So, the rapid of fuzzy logic and the uncertainty of cloud model for processing data are both taken into account. What's more, GA possesses good parallel design structure and global optimization characteristics. Compared with the simulation recognition results of traditional BP Algorithm, GA is more accurate and effective. Moreover, virtual reality technology is introduced into the field of shape control by Lab VIEW, MATLAB mixed programming. And virtual flatness pattern recognition interface is designed.Therefore, the data of engineering analysis and the actual model are combined with each other, and the shape defects could be seen more lively and intuitively. 展开更多
关键词 pattern recognition T-S cloud inference network cloud model mixed programming virtual reality visual recognition
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部