一种基于CMAC神经网络的板形模式识别新方法

• 作者: 吕建红 张自立 李艳
• 来源期刊: 河北工业科技
• 学科: 工学
• 关键词: 板形 模式识别 CMAC神经网络 欧式距离
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 研究与开发
• 页码范围: 209-214
• 页数: 6页
• 分类号: TP18
• 字数: 4018字
• 语种: 中文
• DOI: 10.7535/hbgykj.2014yx03005

摘要

针对传统的板形识别模型在识别板形时,由于板宽的变化需要不同拓扑结构的神经网络才能完成板形模式识别任务,网络学习工作量大,网络存在收敛速度慢,易陷入局部极小等结构性能不佳的问题,建立了一种新的基于CMAC神经网络的板形模式识别模型.该模型利用欧式距离差得到网络的输入神经元,并在权值更新算法中引入了动态学习率.通过仿真实验表明该方法简单、实用,识别精度较高,克服了传统的识别模型的缺点和不足,有效地提高了板形模式识别模型的速度和精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李艳	军械工程学院信息工程系	10	35	4.0	5.0
2	张自立	石家庄学院计算机学院	7	18	3.0	4.0
3	吕建红	军械工程学院信息工程系	7	19	2.0	4.0