排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
连续热镀锌的镀层厚度控制具有高维、非线性和时变的特点,很难用传统的数学模型和浅层神经网络来预测。深度学习通过多层非线性网络结构,能实现复杂函数关系的良好逼近,而核学习是处理复杂非线性数据的强大工具。提出了一种基于深度神经网络多层信息的深度映射多核学习算法,通过将此深度映射核与多尺度高斯基核做非线性乘积,得到新的具有高度表达能力的改进核,其蕴含数据深层特征信息。大量基准数据集和实际工业数据表明,本算法通过结合深度学习和多核学习的优势,解决了镀锌过程强非线性、时变大滞后和多变量的控制难点,实现镀层厚度的更高精度预测,预测的平均绝对误差从3.04 g/m2降低到1.22 g/m2。 相似文献
2.
1