浙江省重大科技专项基金(2008C01069-3)
- 作品数：2 被引量：21H指数：1
- 相关作者：李翔薛元胡国樑金凤英彭志勤更多>>
- 相关机构：浙江凌龙纺织有限公司浙江理工大学嘉兴学院更多>>
- 发文基金：浙江省重大科技专项基金更多>>
- 相关领域：轻工技术与工程更多>>
- 基于两种BP神经网络的精纺毛纱性能预测模型的比较被引量：1
- 2011年
- 在较大输入层样本数、较多输入层节点数的条件下,尝试使用单隐层BP神经网络模型与双隐层BP神经网络模型分别对精纺毛纱的条干不匀率与断裂强力进行预测,分析比较单、双隐层模型的预测性能。结果表明:隐含层节点数为9的双隐层BP神经网络模型预测性能最佳,相关系数值为0.920 5;对精纺纱的断裂强力进行预测时,隐含层节点数为8的双隐层BP神经网络模型预测性能最好,相关系数值为0.917 1。因此,在输入层样本数较大、输入层节点数较多的条件下,双隐层BP神经网络模型更适合对精纺毛纱的性能进行预测。
- 李翔顾宗栋薛元胡国樑
- 关键词：BP神经网络精纺毛纱
- 基于神经网络的精纺毛纱性能预测模型比较被引量：20
- 2011年
- 为比较BP与RBF神经网络对精纺毛纱性能的预测能力,采集前纺与后纺的工艺参数作为输入节点,表征精纺毛纱性能的条干不匀率与断裂强力分别作为输出节点,采用软件计算工具中的反向传播(BP)神经网络、径向基(RBF)神经网络分别建立细纱条干不匀率与断裂强力的预测模型,从统计学角度反映2种模型的预测性能。实验结果表明,在输入样本数较大、输入维数较高、精度要求相同的情况下,RBF神经网络模型的训练速度明显快于BP神经网络模型,但BP神经网络模型的预测性能略优于RBF函数神经网络模型,特别是遇到异常样本时,BP神经网络模型表现出更强的容错能力。
- 李翔彭志勤金凤英顾宗栋薛元胡国樑
- 关键词：精纺毛纱BP神经网络RBF神经网络
