基于神经网络的新a的参数选择方法.docxVIP

关于神经网络的一个新的参数选择方法【摘要】经过深入的研究神经网络的参数选择方法，现提出一个新的关于神经网络的参数选择方法，并应用于冷轧带钢表面缺陷在线检测系统中。这个方法充分发挥了小样本集的优点，小样本集是用每一个可能的参数组合来训练和检测神经网络,通过不同参数组合的识别比例柱状图得到一组神经网络的参数，这样得到的参数被视为优选参数。实验表明通过新参数选择方法选择参数的神经网络在冷轧带钢表面缺陷检测系统中可以达到在所有的参数为随机选取时最好的识别效果。【1.Introduction】神经网络参数的选择对于研究人员来说始终是一个严肃的问题，因为对于神经网络，没有选择优选参数的固定标准，但与此同时，参数选择的精确与否对于神经网络的精确度有很大的影响。在使用神经网络的时候，很多专家通过经验或者是在某个参数集合中选择一组较好的参数为其神经网的参数。如果完全根据经验来选择参数，那么问题独有的特性就无法涵盖在其中，如果这个独有性很突出，那么神经网络的理论结果和实际结果就会有很大的偏差。如果通过一组一组实验某些预定参数比较其结果来选择参数，其过程是非常繁杂冗长的，基本是不可能的。与此同时，训练一个神经网络通常是非常复杂的，手工的去遍历每一种可能的参数组合将要耗费大量的时间，效率的低下使这种方法几乎不可能实现。在表面检测领域，对于不同的对象有不同的自动检测系统。冷轧带钢表面缺陷在线检测系统是结合图