节点文献
紧支撑小波神经网络用于钢的冷弯性能判别
DISCRIMINATION OF COOL BENDING NATURE OF STEEL BY USING COMPACTLY SUPPORTED WAVELET NEURAL NETWORK
【摘要】 介绍了紧支撑小波神经网络（ＣＳＷＮＮ） 的理论和算法， 将其运用于钢的冷弯性能判别， 判别准确率达到１００ ％ 。与ＢＰ算法的计算值和文献中所采用的主成分分析（ＰＣＡ） 比较， ＣＳＷＮＮ 的判别能力优于ＢＰ及文献中采用的主成分分析。
【Abstract】 The theory and algorithm of compactly supported wavelet neural network (CSWNN) were introduced and applied to the discrimination of cool bending natures of steels. The discrimination accuracy is 100% with CSWNN. Predicted results indicated that CSWNN was better than the back\|propagation (BP) algorithm and the principal comporent analysis (PCA).
【关键词】 紧支撑小波神经网络；
小波分析；
钢的冷弯性能判别；
【Key words】 Compactly supported wavelet neural network； Wavelet analysis； Discrimination； Cool bending nature of steel；
【Key words】 Compactly supported wavelet neural network； Wavelet analysis； Discrimination； Cool bending nature of steel；
【基金】 国家自然科学基金!29775001
- 【文献出处】 计算机与应用化学 ,COMPUTERS AND APPLIED CHEMISTRY , 编辑部邮箱 ,1999年06期
- 【分类号】O652
- 【被引频次】2
- 【下载频次】34