基于循环神经网络的板形模式识别模型

• 作者: 刘宏民 宋明明 张帅 徐扬欢 王东城
• 来源期刊: 钢铁
• 关键词: 板形 模式识别 深度学习 循环神经网络
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 压力加工
• 页码范围: 56-62
• 页数: 7页
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn0449-749x.20180123

摘要

板形模式识别是板形控制关键一环.传统的板形模式识别模型存在识别精度差、抗干扰能力差等缺点.随着数据回归任务复杂程度的增加,以深度学习为基础的深度神经网络已经大量用于数据分类、图像处理、模式识别、特征提取等任务.深度学习可通过学习一种深层非线性网络结构,实现复杂函数逼近.基于这一背景提出了基于循环神经网络RNN的板形模式识别模型.结果表明,基于RNN的板形模式识别模型可以完成板形的大数据训练,模型的识别精度和泛化能力都很高,为进一步提高板形控制精度提供了新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张帅	燕山大学国家冷轧板带装备及工艺工程技术研究中心	16	18	3.0	3.0
2	王东城	燕山大学国家冷轧板带装备及工艺工程技术研究中心	36	139	6.0	10.0
6	徐扬欢	燕山大学国家冷轧板带装备及工艺工程技术研究中心	6	3	1.0	1.0
7	宋明明	燕山大学国家冷轧板带装备及工艺工程技术研究中心	1	2	1.0	1.0