基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
控制图是统计质量控稍的重要工具,对控制图的状态进行诊断及识别其异常模式尤为重要.本文将介绍两种控制图异常模式识别方法:基于判别准则的异常模式识别和基于人工神经网络的异常模式识别.
推荐文章
过程质量控制的BP神经网络诊断方法研究
过程质量
BP神经网络
诊断
基于神经网络的电动执行器状态诊断
状态诊断
电动执行器
人工智能
神经网络
基于神经网络方法的模拟电路故障诊断研究
小波变换
模拟电路故障诊断
神经网络
特征向量
基于免疫神经网络的故障诊断方法研究
免疫算法
BP神经网络
抗体
抗原
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于神经网络的控制图状态诊断方法研究
来源期刊 科技创新导报 学科 工学
关键词 控制图 判别准则 人工神经网络
年,卷(期) 2009,(28) 所属期刊栏目 IT技术
研究方向 页码范围 24-25
页数 2页 分类号 TP39
字数 3647字 语种 中文
DOI 10.3969/j.issn.1674-098X.2009.28.018
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 彭晓楠 5 12 2.0 3.0
2 HAN Dong 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
控制图
判别准则
人工神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技创新导报
旬刊
1674-098X
11-5640/N
大16开
北京市
2004
chi
出版文献量(篇)
89179
总下载数(次)
271
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导