基于CA-CAMC网络的轧制力自学习预报模型

• 作者: 孙祖乾 杨枕 温玉莲 赵文姣 闫洪伟
• 来源期刊: 冶金自动化
• 关键词: 轧制力 自学习模型 CA-CMAC网络 信度分配 预报模型 冷轧
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 人工智能技术应用
• 页码范围: 7-10
• 页数: 4页
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7059.2016.02.002

摘要

为了提高轧制力自学习模型的预报精度,将传统自学习模型的预报轧制力及影响轧制力的主要因素作为网络的输入,利用权值更新次数的倒数与单个样本本次激活的地址更新次数倒数和的比作为网络权值更新的信度,建立了基于信度分配的小脑模型CA-CAMC网络与轧制力自学习相结合的轧制力预报模型.通过大量在线数据实验分析,结果表明基于CA-CAMC网络模型的轧制力预报模型的精度高、稳定性好,能够更好地满足实际生产中越来越高的控制精度需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵文姣		5	3	1.0	1.0
2	闫洪伟		6	3	1.0	1.0
3	杨枕		5	3	1.0	1.0
4	温玉莲		3	3	1.0	1.0
5	孙祖乾		1	0	0.0	0.0