- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
灰铸铁性能预测的自组织模型法.pdf
维普资讯
,} U 、
f2
现 代 详 铁 总第69期
1998年第 1期 9
灰铸铁性能预测的 自组织模型法
-、 I
里 . qL \八
统 ;藉此可较准确地预测灰铸铁性能所属牌号。 . .
词 瞄
-
If
AseOrganizedPattern FPredicting住叶I
0 前言 1 自组织模型及其算法
灰铸铁的生产过程是一个复杂的多元系统。 T.Kohonen 提 出了著名 的 白组织特征映射
循着 工艺因素 一组织特征 一物理力学性能这条思 人工神经阿络,它是一个简单的双层网络 (图 1),
路 ,人们作 了许多努力 ,探索了多种提高灰铸铁性 每个输入节点与所有输 出节点通 过权 (W)相联
能的途径及物理机制。但 目前为止 ,尚无法建立 系,实现对输入信号 的非线性降维映射。映射 中
起较为理想的预测灰铸铁性能的数学模型。对于 保持拓扑不变性,即把拓扑意义下相似的输入映
灰铸铁的拉伸性能 .一般只要求确知是否在某个 射到相近的输出节点上。该模型 目前已被广泛应
指标范围内即所谓牌号.而非一定要确知其具体
数据。这样就将灰铸铁性能预测 问题转化为对其
牌号的判别 问题。
模式识别基于同类模式数据结构上的相似性,
以分割空间的方式辨认模式的类别L1 。将其应
用于灰铸铁生产这一复杂的物理化学过程的研究,
可直接在筛选而得的有关输入量构成的空间中,拟
台具有优质输出结果的模式 ,代表点的空间的分布
结构,从而确立能对过程的输出进行干预的有效模
型。人工神经网络L4J是模拟生物神经传递信息的
方法而建立起的一种人工智能模式识别方法.具有 Xa,)c1.… ,
并行、适应能力强等优点。神经元L5作为神经网络
图 1 T Kohone~模型
的基本要素 ,由于计算速度快而得到广泛应用。人
Fig.1 T.Kohonenmodel
工神经阿络在灰铸铁生产设计 中的应用作者曾涉
用于模式识别 、联想存储及组合优化等 问题 该
及L6l7J,现作进一步的介绍。
维普资讯
lO -试验研究 · 王有明等 葳铸铁性能项棰I的自组织模型珐
组织模型的学习规则是无教师学 习。在该类学习 (输出节点)为 K。t为时间即代表权重的调节次
鳃则中,关键不在于实际节点的输出怎样与外部 数 ,如在 t时刻权为 w (t),则在下一时刻 t+1
的期望输出相一致 ,而在于调整参数以反 映观察 时,权为w(t+1)。
事件的分布。 stepl:随机给定网络初始权,
对照圈 1,设 XER 为输入模式 向量 ,w 为
文档评论(0)