模式識別-人工神經網絡方法研究及其在材料領域的應用.pdf

1、本論文是對一種材料優(yōu)化設計新方法——模式識別-人工神經網絡方法進行研究，并用于解決新材料開發(fā)過程中常遇到試驗周期長，影響因素復雜，反應機理不明等難題。這種新方法運用模式識別方法對樣本數據進行定性分析和樣本篩選，運用特殊的人工神經網絡模型進行定量分析和精確預報，并在二維映照圖上直觀地顯示出目標值的分布規(guī)律。其基本原理是：根據拓撲結構在映射過程中不變的原理，將多維向量首先映射到二維平面上，再通過非線形函數向高維空間擴展、迭加并輸出，這樣可以

2、避免在傳遞過程中變量間關系被屏蔽或覆蓋。由映射平面圖像來展現(xiàn)數據所隱含的規(guī)律，從平面圖象來直觀地確定最優(yōu)點或區(qū)域，為材料優(yōu)化設計和試驗設計提供了一種行之有效的決策支持方法。 本文所作的主要研究工作如下： 構建了人工神經網絡實現(xiàn)模式識別的非線性映射模型，并引入“列隊競爭算法”與“梯度法”結合產生的一種混合算法解決人工神經網絡學習訓練中容易陷入局部極小的問題，很好的兼顧了全局搜索和局部搜索的要求。其中，列隊競爭算法的主要作用

3、是實現(xiàn)全局搜索，而梯度法的作用是實現(xiàn)局部尋優(yōu)，這兩種方法的結合，可以使全局搜索與局部搜索達到均衡和統(tǒng)一。實際的計算結果表明，混合算法比單一的算法效果明顯，映射的誤差小且學習訓練的速率快，建立的映射模型能真實地反映客觀規(guī)律。 研究用計算機模式識別-人工神經網絡方法輔助材料設計和試驗優(yōu)化，用PR-ANN實現(xiàn)了篩選樣本數據，篩選變量，模式識別定性分析，人工神經網絡精確預報等功能，并開發(fā)了PR-ANN系統(tǒng)優(yōu)化軟件。 檢驗了PR-