人工神经网络模板.pptVIP

模糊神经网络法及其在缺陷模式识别中的应用 * * （1）在制造过程中，冷轧带钢表面出现边缘锯齿、焊缝、夹杂、抬头纹、辊印、氧化皮、空洞、刮伤等不同类型的缺陷，直接影响最终产品的质量和性能。 （2）缺陷图像的模式识别是冷轧带钢表面缺陷检测的关键。 （3）在现场恶劣环境下，图像噪声较大，图像亮度差异较大，图像纹理变化复杂，规律性不强，同一类缺陷图像在表现上也存在较大差异，在某一特征值中，类与类之间并不存在明确界限，有重叠现象。 （4）传统识别方法准确率低、识别速度慢慢、适应性差。 （5）模糊模式识别在提出噪音上具有优势，BP神经网络在模型拟合、非线性识别具有优势，利用两者的优势，构造模糊神经网络识的方法。 * * * * 人工神经元模型如图： 由图可以得到Sigmoid连续可微的非线性函数，logistic模型，激活函数如下： * （1）确定层数以及各层的节点数 本实验使用的是三层网络模型，仅有一个隐藏层，仅各层之间是全互联方式连接。 本实验是针对5种缺陷（灾杂、抬头纹、辊印、边缘锯齿、焊缝）进行识别，输出层使用5个节点；输入层使用的是小波变换提取的冷轧带钢表面缺陷图像的七维特征数据，因此输入层节点数为7，七维特征数据由一下公式获得： 将小波变换的各频带的L1范数作为分类的特征数据。 隐藏层节点，经实验可知8个比较合适。 * （2）确定学习效率α、惯性项校正系数η，以及误差收敛因子