基于ReLU激活函数的轧制力神经网络预报模型

• 作者: 刘杰辉 田润良 范冬雨
• 来源期刊: 锻压技术
• 学科: 工学
• 关键词: 轧制力 神经网络 ReLU 传播算法 正则化 平整机
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 计算机应用
• 页码范围: 162-165
• 分类号: TF334.9
• 语种: 中文
• DOI: 10.13330/j.issn.1000-3940.2016.10.031

摘要

平整机轧制力的预报对轧制过程的优化控制有着重要意义.针对平整机轧制力预测精度不高的问题,提出采用ReLU (Rectified Linear Units)激活函数的神经网络模型来预报平整机的轧制力.在对数据进行主成分分析后,得到影响轧制力的主要因素,并将其作为神经网络的输入层,将平整机轧制力作为输出层,通过使用Python语言编程进行实验,对神经网络模型隐层的相关参数及算法进行单一变量筛选,建立了保证轧制力预报精度最高的神经网络模型.实验结果表明,通过调整隐层层数、神经元数、传播算法、正则化方法,该模型能够将预测误差控制在10％以内,且该实验方法能够对不同输入参数下的平整机轧制力进行精确预报.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘杰辉	河北工程大学机电学院	29	132	7.0	10.0
2	范冬雨	河北工程大学机电学院	1	18	1.0	1.0
3	田润良	河北工程大学机电学院	1	18	1.0	1.0