共查询到10条相似文献,搜索用时 328 毫秒
1.
在正交设计的基础上,采用浸渍法制备了Ce/TiO2纳米复合体.根据BP人工神经网络算法原理,建立了Ce/TiO2纳米复合体制备工艺参数与抗菌性能之间关系的BP神经网络预测模型,并将预测值与实验数据进行了比较,其训练样本的输出值最大误差为3.18%,平均误差为0.4%.对经过训练后的模型进行了验证,其测试样本的输出值最大误差为6.31%,平均误差为4.06%,与实验值吻合良好.结果表明,所建立的BP神经网络模型具有较高的预测精度,用于Ce/TiO2纳米复合体的抗菌性能预测是可行的. 相似文献
2.
以实际生产数据为基础,建立热轧产品性能预报神经网络模型;通过BP网络实现逆映射,建立工艺参数设计的神经网络模块.试验结果表明,产品性能神经网络模型与工艺参数优化神经网络模型十分可靠,为解决热轧产品性能预报与工艺优化设计问题提供科学的途径. 相似文献
3.
4.
为了更好地应用BP神经网络对连铸板坯质量进行在线诊断,基于连铸生产特点,利用采集的过程数据建立了符合生产实际的均一化函数.通过分析BP神经网络中各参数对网络性能及诊断准确率的影响,对BP神经网络的结构及学习算法进行修正,使该网络有选择和有区分地学习铸坯质量知识.结合某钢厂连铸现场数据,以黏结为例,建立了6种网络模型,对各模型算法进行了比较测试.结果表明:采用自定义函数均一化样本或采用提出的差异性算法训练神经网络,均可明显提高诊断准确率;采用选择性算法可确保诊断准确率不变的同时,提高学习速度;修正的算法更能很好地符合连铸生产实际. 相似文献
5.
6.
7.
基于牯结NdFeB永磁体制备工艺优化实验,针对普通反向传播神经网络(BPNN)方法在预报建模中普遍存在"过拟合"和泛化能力差的问题,从优化实验方案、减少输入层节点数两个角度,结合均匀设计软件和主成分分析方法,提高训练样本的分布均匀性、"主动"改善网络结构,建立了一个粘结NdFeB永磁体制备工艺优化的2-5-3型BPNN预测模型.研究结果表明,改进的BP神经网络模型对BrHcj及(BH)m预测的相对误差的最大值分别为1.83%,1.28%和1.53%,较之传统的模型,泛化能力显著提高,网络预测也比较稳定,具有很好的实用性. 相似文献
8.
9.
[目的]探讨用遗传算法优化BP 神经网络对小球藻生长模型的建立与应用.[方法]使用遗传算法对BP 神经网络的权值和阈值进行优化,并使用该网络模型,以小球藻培养时间和残余葡萄糖为输入,菌体光密度值(OD<,680>)为输出,对小球藻在500 L多功能生物反应器中的生长情况进行了建模,还探讨了该模型的应用情况.[结果]经过遗传算法优化的BP 神经网络,其泛化值的误差平方和比BP神经网络的小,因而预测值更加接近实际值.t 检验表明,所建立的模型是可信的.验证表明,该模型具有良好的拟合度,能够很好地描述在500 L 多功能生物反应器中培齐的小球藻的生物量(OD<,680>)与残余葡萄糖和培养时间之间的关系.[结论]所建立的模型可用于试验结果的预测,对小球藻的培养控制具有指导意义. 相似文献
10.
为了改善钒钛烧结矿的低温还原粉化性能,将BP神经网络算法应用于钒钛烧结矿低温还原粉化性能预测中,指标数据的样本分为输入样本和输出样本,其中:输入样本为配碳量、碱度、w(Mg O)以及FMG粉配比,输出样本为钒钛烧结矿RDI+3.15,运用BP神经网络算法探索输入样本与输出样本间的关系。结果表明:BP神经网络模型适用于烧结矿还原粉化性能的研究,可以根据输入样本有效的预测输出样本,且平均相对误差为5.7%,满足工程实践中预测精度的要求,为钒钛烧结矿生产提供了指导。 相似文献