本文主要研究内容
作者朱永波,张飞,张勇军,王增权（2019）在《基于粒子群优化的带钢凸度神经网络预测模型研究》一文中研究指出：在热轧板凸度预测模型中,传统BP神经网络预测模型存在易陷入局部极小值、收敛速度慢等问题,因此在传统预测模型的基础之上,用自适应变异粒子群算法优化BP神经网络模型的权值和阈值,将权值和阈值编码成粒子选出最优值,并将其用于预测带钢凸度。仿真结果表明,自适应变异粒子群优化的BP神经网络和传统的预测模型相比,预测效果有所改善。
Abstract
zai re ga ban tu du yu ce mo xing zhong ,chuan tong BPshen jing wang lao yu ce mo xing cun zai yi xian ru ju bu ji xiao zhi 、shou lian su du man deng wen ti ,yin ci zai chuan tong yu ce mo xing de ji chu zhi shang ,yong zi kuo ying bian yi li zi qun suan fa you hua BPshen jing wang lao mo xing de quan zhi he yu zhi ,jiang quan zhi he yu zhi bian ma cheng li zi shua chu zui you zhi ,bing jiang ji yong yu yu ce dai gang tu du 。fang zhen jie guo biao ming ,zi kuo ying bian yi li zi qun you hua de BPshen jing wang lao he chuan tong de yu ce mo xing xiang bi ,yu ce xiao guo you suo gai shan 。
论文参考文献
论文详细介绍
论文作者分别是来自冶金自动化的朱永波,张飞,张勇军,王增权，发表于刊物冶金自动化2019年02期论文，是一篇关于带钢论文,凸度论文,自适应变异粒子群论文,神经网络论文,凸度预测论文,冶金自动化2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自冶金自动化2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：带钢论文; 凸度论文; 自适应变异粒子群论文; 神经网络论文; 凸度预测论文; 冶金自动化2019年02期论文;