基于循环神经网络的板形模式识别模型

作者：宋明明; 王东城^*; 张帅; 徐扬欢; 刘宏民

来源：钢铁, 2018, 53(11): 56-62.

DOI：10.13228/j.boyuan.issn0449-749x.20180123

• 板形
• 模式识别
• 深度学习
• 循环神经网络

板形模式识别是板形控制关键一环。传统的板形模式识别模型存在识别精度差、抗干扰能力差等缺点。随着数据回归任务复杂程度的增加,以深度学习为基础的深度神经网络已经大量用于数据分类、图像处理、模式识别、特征提取等任务。深度学习可通过学习一种深层非线性网络结构,实现复杂函数逼近。基于这一背景提出了基于循环神经网络RNN的板形模式识别模型。结果表明,基于RNN的板形模式识别模型可以完成板形的大数据训练,模型的识别精度和泛化能力都很高,为进一步提高板形控制精度提供了新方法。

• 单位
  燕山大学; 亚稳材料制备技术与科学国家重点实验室