制造业自动化
製造業自動化
제조업자동화
MANUFACTURING AUTOMATION
2010年
5期
152-155
,共4页
人工神经网络(ANN)%支持向量机(SVM)%时序空间(TSS)%质量预测
人工神經網絡(ANN)%支持嚮量機(SVM)%時序空間(TSS)%質量預測
인공신경망락(ANN)%지지향량궤(SVM)%시서공간(TSS)%질량예측
针对随机抽取的质量数据序列的特点,提出时序空间(Time Seauence Space,TSS)的概念,将人工神经网络(Artificial Neural Network,ANN)和支持向量机(Support VectorMachine,SVM)回归模型引入质量数据预测领域.并给出了相应的过程和算法.使用均方误差对拟合精度进行检验,用相对误差对预测精度进行检验.结果表明,相对于传统的多项式回归模型,人工神经网络和支持向量机回归模型的拟合精度较高,相对误差较小,泛化能力较强,可以作为质量数据的预测方法.
針對隨機抽取的質量數據序列的特點,提齣時序空間(Time Seauence Space,TSS)的概唸,將人工神經網絡(Artificial Neural Network,ANN)和支持嚮量機(Support VectorMachine,SVM)迴歸模型引入質量數據預測領域.併給齣瞭相應的過程和算法.使用均方誤差對擬閤精度進行檢驗,用相對誤差對預測精度進行檢驗.結果錶明,相對于傳統的多項式迴歸模型,人工神經網絡和支持嚮量機迴歸模型的擬閤精度較高,相對誤差較小,汎化能力較彊,可以作為質量數據的預測方法.
침대수궤추취적질량수거서렬적특점,제출시서공간(Time Seauence Space,TSS)적개념,장인공신경망락(Artificial Neural Network,ANN)화지지향량궤(Support VectorMachine,SVM)회귀모형인입질량수거예측영역.병급출료상응적과정화산법.사용균방오차대의합정도진행검험,용상대오차대예측정도진행검험.결과표명,상대우전통적다항식회귀모형,인공신경망락화지지향량궤회귀모형적의합정도교고,상대오차교소,범화능력교강,가이작위질량수거적예측방법.
