节点文献
基于粒子群算法的神经网络优化及其在镗孔加工中的应用
ANN Trained by Particle Swarm Optimization and Its Applications in Boring Processes
【摘要】 采用粒子群算法对镗孔加工尺寸误差人工神经网络预测模型进行优化。实验表明 ,与误差反传算法 (BP)相比较 ,粒子群算法优化神经网络收敛速度更快 ,预测精度更高
【Abstract】 This paper presented particle swarm optimization (PSO) technique to train multi layer artificial neural network for predicting model of diameter errors of boring processes. Compared to the back propagation (BP), the neural network trained by particle swarm optimization achieves more accurate predictions and needs less amount of iterations.
【关键词】 粒子群算法;
人工神经网络;
预测;
镗孔;
【Key words】 particle swarm optimization; artificial neural network(ANN); prediction; boring;
【Key words】 particle swarm optimization; artificial neural network(ANN); prediction; boring;
【基金】 国家 8 63高技术研究发展计划资助项目( 2 0 0 1AA42 3 2 5 0 )
- 【文献出处】 中国机械工程 ,China Mechanical Engineering(中国机械工程) , 编辑部邮箱 ,2004年21期
- 【分类号】TP183
- 【被引频次】31
- 【下载频次】409