河北工业科技
河北工業科技
하북공업과기
HEBEI JOURNAL OF INDUSTRIAL SCIENCE & TECHNOLOGY
2014年
3期
209-214
,共6页
板形%模式识别%CMAC神经网络%欧式距离
闆形%模式識彆%CMAC神經網絡%歐式距離
판형%모식식별%CMAC신경망락%구식거리
flatness%pattern recognition%CMAC neural network%fuzzy distance
针对传统的板形识别模型在识别板形时,由于板宽的变化需要不同拓扑结构的神经网络才能完成板形模式识别任务,网络学习工作量大,网络存在收敛速度慢,易陷入局部极小等结构性能不佳的问题,建立了一种新的基于CMAC神经网络的板形模式识别模型.该模型利用欧式距离差得到网络的输入神经元,并在权值更新算法中引入了动态学习率.通过仿真实验表明该方法简单、实用,识别精度较高,克服了传统的识别模型的缺点和不足,有效地提高了板形模式识别模型的速度和精度.
針對傳統的闆形識彆模型在識彆闆形時,由于闆寬的變化需要不同拓撲結構的神經網絡纔能完成闆形模式識彆任務,網絡學習工作量大,網絡存在收斂速度慢,易陷入跼部極小等結構性能不佳的問題,建立瞭一種新的基于CMAC神經網絡的闆形模式識彆模型.該模型利用歐式距離差得到網絡的輸入神經元,併在權值更新算法中引入瞭動態學習率.通過倣真實驗錶明該方法簡單、實用,識彆精度較高,剋服瞭傳統的識彆模型的缺點和不足,有效地提高瞭闆形模式識彆模型的速度和精度.
침대전통적판형식별모형재식별판형시,유우판관적변화수요불동탁복결구적신경망락재능완성판형모식식별임무,망락학습공작량대,망락존재수렴속도만,역함입국부겁소등결구성능불가적문제,건립료일충신적기우CMAC신경망락적판형모식식별모형.해모형이용구식거리차득도망락적수입신경원,병재권치경신산법중인입료동태학습솔.통과방진실험표명해방법간단、실용,식별정도교고,극복료전통적식별모형적결점화불족,유효지제고료판형모식식별모형적속도화정도.