机械科学与技术
機械科學與技術
궤계과학여기술
MECHANICAL SCIENCE AND TECHNOLOGY
2005年
1期
30-34
,共5页
人工神经网络%智能诊断%控制图%模式识别
人工神經網絡%智能診斷%控製圖%模式識彆
인공신경망락%지능진단%공제도%모식식별
提出了一种适用于模式识别的新型神经网络模型--局部有监督特征映射(Regional Supervised FeatureMapping,RSFM)网络,将其应用到质量控制图的模式识别中,为基于统计过程控制(SPC)的智能工序质量诊断分析系统提供了技术支持.文中研究了网络的基本性能并对其参数进行优化,提出了采用欧氏距离判别法作为混合型多特征异常模式的识别方法.实验证明,所提出的模型对控制图的基本模式和混合型多特征异常模式都能够有效识别,网络收敛速度快、识别精度高,可进行大样本训练,适用于控制图的在线实时模式识别.
提齣瞭一種適用于模式識彆的新型神經網絡模型--跼部有鑑督特徵映射(Regional Supervised FeatureMapping,RSFM)網絡,將其應用到質量控製圖的模式識彆中,為基于統計過程控製(SPC)的智能工序質量診斷分析繫統提供瞭技術支持.文中研究瞭網絡的基本性能併對其參數進行優化,提齣瞭採用歐氏距離判彆法作為混閤型多特徵異常模式的識彆方法.實驗證明,所提齣的模型對控製圖的基本模式和混閤型多特徵異常模式都能夠有效識彆,網絡收斂速度快、識彆精度高,可進行大樣本訓練,適用于控製圖的在線實時模式識彆.
제출료일충괄용우모식식별적신형신경망락모형--국부유감독특정영사(Regional Supervised FeatureMapping,RSFM)망락,장기응용도질량공제도적모식식별중,위기우통계과정공제(SPC)적지능공서질량진단분석계통제공료기술지지.문중연구료망락적기본성능병대기삼수진행우화,제출료채용구씨거리판별법작위혼합형다특정이상모식적식별방법.실험증명,소제출적모형대공제도적기본모식화혼합형다특정이상모식도능구유효식별,망락수렴속도쾌、식별정도고,가진행대양본훈련,괄용우공제도적재선실시모식식별.
