专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果14个,建议您升级VIP下载更多相关专利
  • [发明专利]基于BP神经网络算法对涂层老化的分析方法-CN201010617208.X无效
  • 卢言利;张拴勤;蒋晓军;凌军;潘家亮;杨辉;徐怡 - 中国人民解放军63983部队
  • 2010-12-31 - 2011-05-11 - G06N3/08
  • 本发明提供了一种基于BP神经网络算法对涂层老化的分析方法。建模关系数目没有限制,将其应用于伪装涂料的老化预测,灵活性和预报精度较高,可以实现全局最优解,训练次数少,收敛快;隐层和因节点选取采用理论指导;继承性较好。其由信号的正向传播与误差的反向传播过程组成;正向传播是,输入样本从输入层传入,经各隐层逐层处理后,传向输出层;若输出层的实际输出与期望的输出不符,则转入误差的反向传播阶段;误差反传是将输出误差以某种形式通过隐层向输入层逐层反传,并将误差分摊给各层的所有单元,从而获得各层单元的误差信号,此误差信号即作为修正各单元权值的依据;这种信号正向传播与误差反向传播的各层权值调整过程,是周而复始地进行,此过程一直进行到网络输出的误差减少到可接受的程度,或进行到预先设定的次数为止;其特征在于:(1)增加动量项ΔW(t)=ηδX+αΔW(t-1),α为动量因子α∈(0,1);(2)自适应调节学习速率,若经过一批次权值调整后总误差E上升,η=βη(θ>0),若经过一批次权值调整后总误差E下降,η=θη(θ>0);(3)引入陡度因子,当误差曲面进入平坦区域时,设,改变输出量,λ为陡度因子,在平坦区时λ>1,退出平坦区后λ=1。
  • 基于bp神经网络算法涂层老化分析方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top