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_第1頁
已閱讀1頁,還剩48頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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-

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論