|
|||||
|
|
| 改进的深度信念网在磨削加工粗糙度值预测中的应用 | |
| 摘 要： | 深度信念网(DBN)是由无监督的受限玻尔兹曼机(RBM)和有监督的BP网络组成的神经网络分类器。针对RBM训练过程中固定学习率不利于寻找最优的缺点,提出一种动态学习率法则,改进RBM网络以提高特征向量映射的准确度;构造一个含有两层RBM和一层BP,并使用对比分散准则(CD准则)进行神经网络的自训练的DBN网络,提高训练速度,将改进型网络应用于表面粗糙度值的预测,通过与改进前后的预测模型及RBM预测模型的对比,预测模型精度得到了提高。 |
| 本文献已被 CNKI 等数据库收录！ | |