BP神经网络在质量控制中的应用讲诉.doc

BP神经网络在质量控制中的应用 BP神经网络简介（原理及作用） BP神经网络是一种按误差逆传播算法训练得到的多层前馈神经网络。BP神经网络能学习和存贮大量的输入-输出模式映射关系，但是无必事前揭示此种映射关系的数学方程。BP神经网络的学习方法是最速下降法，通过反向传播来不断调整神经网络的权值与阈值，使BP神经网络的误差平方和最小。BP神经网络模型拓扑结构由输入层、隐层与输出层构成。 BP神经网络在自相关过程残差控制图中的应用 收集生成反应自相关生产过程的平稳时间序列ARMA（p，q）数据； -1.023 -0.6313 0.5455 0.7462 1.5147 -2.7828 0.0674 0.4992 2.174 0.4534 -1.184 0.7969 0.954 0.9967 0.5676 1.8591 0.2071 0.1152 0.4578 -0.8664 0.047 1.2435 -0.6293 -0.1936 1.726 1.8451 -0.7149 0.0911 0.0668 0.888 2.0713 1.3391 -0.23 -0.1035 -1.1257 1.8275 1.6394 1.8392 1.6784 -2.7196 0.9522 1.3825 0.5763 -0.0648 -0.3326 0.7766 2.1396 -0.3442 0.5814 0.0409 -0.3277 1.7005 0.1293 0.4508 0.5211 -0.7338 1.4966 2.0064 -2.4923 -0.0336 0.6997 -0.4563 2.4541 0.6048 0.3191 1.2991 -0.5683 0.1557 1.1452 0.1838 2.7908 -1.3132 0.7052 0.2159 0.4216 0.6586 -1.6347 0.8457 -2.1679 1.3641 1.3598 -0.2391 2.8792 -1.2836 1.0914 2.3656 -0.1989 1.5638 0.2758 -0.0461 3.3048 -0.1687 3.0367 0.9583 -0.2112 0.7939 0.828 1.3053 -0.0249 1.6898 用自相关或偏自相函数判断其自相性； 自相关函数: C3 滞后 ACF T LBQ 1 0.402804 4.03 16.72 2 0.101053 0.88 17.78 3 0.013824 0.12 17.80 4 0.103236 0.89 18.93 5 0.010944 0.09 18.94 6 -0.085554 -0.73 19.74 7 -0.119216 -1.01 21.30 8 -0.077815 -0.66 21.97 9 0.039590 0.33 22.14 10 0.144187 1.21 24.50 11 0.266638 2.20 32.65 12 0.101412 0.80 33.84 13 -0.102219 -0.80 35.07 14 -0.114110 -0.89 36.61 15 -0.036642 -0.28 36.77 16 -0.124414 -0.96 38.65 17 -0.236740 -1.81 45.54 18 -0.194370 -1.44 50.24 19 -0.169470 -1.23 53.85 20 -0.181176 -1.30 58.04 21 -0.021112 -0.15 58.10 22 0.031273 0.22 58.23 23 -0.005770 -0.04 58.23 24 -0.084652 -0.60 59.19 25 -0.050194 -0.35 59.53 C3 的自相关 自相关函数拖尾 偏自相关函数: C3 滞后 PACF T 1 0.402804 4.03 2 -0.073050 -0.73 3 -0.000516 -0.01 4 0.125802 1.26 5 -0.095023 -0.95 6 -0.075121 -0.7