BP神经网络在玻璃缺陷识别中的应用

• 作者: 吉祥 戴曙光
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 缺陷识别 BP神经网络 动量因子 陡度因子 自适应学习效率
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 137-140,144
• 页数: 5页
• 分类号: TP319
• 字数: 4250字
• 语种: 中文
• DOI: 10.11907/rjdk.182269

摘要

在玻璃缺陷识别系统中,利用BP神经网络基本原理结合特征参数设计BP神经网络结构.为了更准确地识别玻璃表面缺陷,在传统BP神经网络算法基础上,提出加入动量因子、引入陡度因子以及调节学习效率的方法,并进行对比试验.仿真结果表明,3种方法均可提高缺陷识别率,但只有引入陡度因子的方法可使最优误差与期望误差最为接近,能够更好地改善网络收敛性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴曙光	上海理工大学光电信息与计算机工程学院	166	839	14.0	22.0
2	吉祥	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0