稀土
稀土
희토
CHINESE RARE EARTHS
2009年
2期
39-42,50
,共5页
储林华%查五生%刘锦云%刘桂明%周晓庆%张静怡
儲林華%查五生%劉錦雲%劉桂明%週曉慶%張靜怡
저림화%사오생%류금운%류계명%주효경%장정이
Bayesian正规化%BP神经网络%NdFeB粘结磁体
Bayesian正規化%BP神經網絡%NdFeB粘結磁體
Bayesian정규화%BP신경망락%NdFeB점결자체
基于MATLAB平台和现有的少量实验数据,采用Bayesian正规化法,建立了一个输入为工艺参数、输出为NdFeB永磁体性能参量的BP(Back Propagation)神经网络预测模型,并通过测试样本检验了ANN(Artificial Neural Network)模型的准确性.实验表明,建立的Bayesian正规化BP神经网络模型不仅能准确地拟合训练值,而且能很好地预测未知样本,将该模型应用于材料制备工艺设计,可以明显缩短实验周期,提高工艺设计效率,对实际的研究工作具有一定的指导意义和应用价值.
基于MATLAB平檯和現有的少量實驗數據,採用Bayesian正規化法,建立瞭一箇輸入為工藝參數、輸齣為NdFeB永磁體性能參量的BP(Back Propagation)神經網絡預測模型,併通過測試樣本檢驗瞭ANN(Artificial Neural Network)模型的準確性.實驗錶明,建立的Bayesian正規化BP神經網絡模型不僅能準確地擬閤訓練值,而且能很好地預測未知樣本,將該模型應用于材料製備工藝設計,可以明顯縮短實驗週期,提高工藝設計效率,對實際的研究工作具有一定的指導意義和應用價值.
기우MATLAB평태화현유적소량실험수거,채용Bayesian정규화법,건립료일개수입위공예삼수、수출위NdFeB영자체성능삼량적BP(Back Propagation)신경망락예측모형,병통과측시양본검험료ANN(Artificial Neural Network)모형적준학성.실험표명,건립적Bayesian정규화BP신경망락모형불부능준학지의합훈련치,이차능흔호지예측미지양본,장해모형응용우재료제비공예설계,가이명현축단실험주기,제고공예설계효솔,대실제적연구공작구유일정적지도의의화응용개치.
