基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对目前现有的强度预测方法精度低,提出提取输入参数的深层连接的深度信念网络(DBN)强度预测模型,并采用量子粒子群优化算法(quantum particle swarm optimization,QPSO)来确定DBN的隐含层节点个数和学习率.为获得最优的预测性能,以充填材料的成分及其尺寸作为基于DBN的预测模型的输入,输出充填材料的抗压强度.实验结果显示,该预测方法仅用了1.89 s的预测时间且精度达到99.84%,相比于广泛应用的BP神经网络、RVM(relevance vector machine)、SVM(sup-port vector machine)三种算法在精度和时间上都有显著提升.
推荐文章
基于PLSR自适应深度信念网络的出水总磷预测
出水总磷
PLSR
自适应学习率
深度学习
深度信念网络
基于并联深度信念网络的数控机床热误差预测方法
数控机床
热误差
预测模型
并联深度信念网络
深度学习
基于广义回归神经网络的β型磷建筑石膏强度预测
β型磷建筑石膏
广义回归神经网络
强度预测
基于深度信念网络的在线视频热度预测
深度学习
在线视频服务
热度预测
深度信念网络
受限玻尔兹曼机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度信念网络的磷石膏充填材料强度预测
来源期刊 科学技术与工程 学科 工学
关键词 磷石膏 抗压强度 强度预测 量子粒子群优化算法 深度信念网络
年,卷(期) 2020,(18) 所属期刊栏目 矿冶工程
研究方向 页码范围 7220-7225
页数 6页 分类号 TD989
字数 3849字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 邓芳明 华东交通大学电气与自动化工程学院 39 212 8.0 13.0
2 张安安 江西省科学院能源研究所 19 28 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (130)
共引文献  (73)
参考文献  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(8)
  • 参考文献(2)
  • 二级参考文献(6)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(14)
  • 参考文献(0)
  • 二级参考文献(14)
2012(11)
  • 参考文献(1)
  • 二级参考文献(10)
2013(13)
  • 参考文献(0)
  • 二级参考文献(13)
2014(10)
  • 参考文献(0)
  • 二级参考文献(10)
2015(14)
  • 参考文献(1)
  • 二级参考文献(13)
2016(25)
  • 参考文献(1)
  • 二级参考文献(24)
2017(8)
  • 参考文献(2)
  • 二级参考文献(6)
2018(6)
  • 参考文献(5)
  • 二级参考文献(1)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
磷石膏
抗压强度
强度预测
量子粒子群优化算法
深度信念网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科学技术与工程
旬刊
1671-1815
11-4688/T
大16开
北京市海淀区学院南路86号
2-734
2001
chi
出版文献量(篇)
30642
总下载数(次)
83
总被引数(次)
113906
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导