制造业自动化
製造業自動化
제조업자동화
MANUFACTURING AUTOMATION
2014年
14期
64-68
,共5页
王占礼%席萍%李静%朱丹
王佔禮%席萍%李靜%硃丹
왕점례%석평%리정%주단
遗传算法%BP神经网络%参数优化%铣削力预测
遺傳算法%BP神經網絡%參數優化%鐉削力預測
유전산법%BP신경망락%삼수우화%선삭력예측
神经网络初始连接权值和阀值的选择对网络的预测精度及收敛速度影响很大,但又无法准确获得,针对此问题,建立遗传算法(GA)优化的BP神经网络预测模型,解决神经网络初始权值和阀值的选择问题。该模型通过遗传算法优化BP神经网络的权值和阀值,获得最优的初始权值和阀值,并应用优化后的BP神经网络预测模型对铣削力进行预测,最后与优化前的BP神经网络模型的铣削力预测值进行对比分析。研究结果表明,经遗传算法优化后的BP神经网络模型比优化前的BP神经网络模型的预测精度高,同时加快了收敛速度。
神經網絡初始連接權值和閥值的選擇對網絡的預測精度及收斂速度影響很大,但又無法準確穫得,針對此問題,建立遺傳算法(GA)優化的BP神經網絡預測模型,解決神經網絡初始權值和閥值的選擇問題。該模型通過遺傳算法優化BP神經網絡的權值和閥值,穫得最優的初始權值和閥值,併應用優化後的BP神經網絡預測模型對鐉削力進行預測,最後與優化前的BP神經網絡模型的鐉削力預測值進行對比分析。研究結果錶明,經遺傳算法優化後的BP神經網絡模型比優化前的BP神經網絡模型的預測精度高,同時加快瞭收斂速度。
신경망락초시련접권치화벌치적선택대망락적예측정도급수렴속도영향흔대,단우무법준학획득,침대차문제,건립유전산법(GA)우화적BP신경망락예측모형,해결신경망락초시권치화벌치적선택문제。해모형통과유전산법우화BP신경망락적권치화벌치,획득최우적초시권치화벌치,병응용우화후적BP신경망락예측모형대선삭력진행예측,최후여우화전적BP신경망락모형적선삭력예측치진행대비분석。연구결과표명,경유전산법우화후적BP신경망락모형비우화전적BP신경망락모형적예측정도고,동시가쾌료수렴속도。