科研之友
微信
新浪微博
Facebook
分享链接
摘要
在研究深度神经网络预测轧制力的基础上,针对极限学习机-自编码器的回归问题,提出一种自增删网络结构优化算法。利用自编码器进行原始数据的特征提取,为模型提供有效的高阶特征。极限学习机的学习速度快且泛化能力强,监督阶段时使用极限学习机回归轧制力,并使用隐层节点增删策略调节极限学习机的网络结构,解决了极限学习机-自编码器的结构设计问题。该方法用于轧制力回归,采用深层网络结合大量数据保证模型的回归精度的同时,实现了轧制数据的特征提取和网络结构的自增删。结果显示,该深层结构自增删网络具有很好的模型收敛和参数回归能力,在训练速度与精度方面均优于弹性RBF和稀疏自编码器神经网络算法。
-
单位安阳工学院; 浙江东方职业技术学院
