研究了人工神经网络在矿渣微晶玻璃材料设计中的应用.采用基于变尺度法的新学习算法建立了三层前馈型神经网络,发现当网络结构为M-2M-1,取一定范围内的学习误差时,网络具有很好的学习效果.研究证明,建立的人工神经网络模型学习速度快,收敛稳定,强壮性好,能根据较少的实验样本有效抽取矿渣微晶玻璃组成、工艺和性能之间的内在规律,是进行微晶玻璃材料设计的有力工具.
参考文献
| [1] | 潘守芹.新型玻璃.上海:同济大学出版社,1992.73-74. |
| [2] | 胡守仁,余少波,戴葵.神经网络导论.长沙:国防科技大学出版社,1993.1-7. |
| [3] | 施欣.计算机科学,1991,(3):70-74. |
| [4] | 韦江维,胡华安,何华辉.材料导报,1996,(5):5-7. |
| [5] | 刘信安,罗彦凤,王镛先.计算机与应用化学,1999,6(3):175-180. |
| [6] | 文岐业.矿渣微晶玻璃神经网络专家系统研究,南宁:广西大学,2001.5. |
| [7] | 赵林明,胡浩云.多层前向人工神经网络,郑州:河南水利出版社,1999.1-8. |
| [8] | 李孝安,张晓绩.神经网络与神经计算导轮.西安:西北工业大学出版社,1994.34-36. |
| [9] | Dayhoff J E. Neural Network Architectures: A Introduce, Van Nowtrand Reinhold, MA, 1990. |
| [10] | 张星昌.控制与决策, 1997, 12 (3): 213-216. |
| [11] | 国外矿渣微晶玻璃资料汇编(1).国家建委建材科学研究所技术情报所,1973.133-136. |
| [12] | 矿渣微晶玻璃的生产与应用(下).国家建筑材料工业局蚌埠玻璃工业设计院信息中心,1994.71-74. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%