储林华
,
查五生
,
刘锦云
,
王向中
,
周晓庆
,
刘桂明
稀有金属
doi:10.3969/j.issn.0258-7076.2009.02.011
基于牯结NdFeB永磁体制备工艺优化实验,针对普通反向传播神经网络(BPNN)方法在预报建模中普遍存在"过拟合"和泛化能力差的问题,从优化实验方案、减少输入层节点数两个角度,结合均匀设计软件和主成分分析方法,提高训练样本的分布均匀性、"主动"改善网络结构,建立了一个粘结NdFeB永磁体制备工艺优化的2-5-3型BPNN预测模型.研究结果表明,改进的BP神经网络模型对BrHcj及(BH)m预测的相对误差的最大值分别为1.83%,1.28%和1.53%,较之传统的模型,泛化能力显著提高,网络预测也比较稳定,具有很好的实用性.
关键词:
均匀设计
,
主成分分析
,
BP神经网络
,
粘结NdFeB永磁体
,
泛化
王向中
,
查五生
,
燕顺
,
储林华
,
周胜海
材料科学与工程学报
为研究合金成分对磁体性能的影响,将支持向量回归机应用于磁性能的预测.在小样本情况下应用MATLAB支持向量机工具箱,建立了磁性能的支持向量回归机模型,将合金成分作为输入变量对磁性能进行预测.选择合适的模型参数,最终建立了拟合误差、预测误差均较小的模型,对剩磁、矫顽力以及最大磁能积的预测相对误差平均值分别为1.94%、5.43%及4.34%.试验表明将支持向量回归机用于磁性能的预测是一种可行且有效的方法.
关键词:
稀土
,
纳米复相永磁体
,
支持向量回归机
,
结构风险
储林华
,
查五生
,
刘锦云
,
刘桂明
,
周晓庆
,
张静怡
稀土
doi:10.3969/j.issn.1004-0277.2009.02.009
基于MATLAB平台和现有的少量实验数据,采用Bayesian正规化法,建立了一个输入为工艺参数、输出为NdFeB永磁体性能参量的BP(Back Propagation)神经网络预测模型,并通过测试样本检验了ANN(Artificial Neural Network)模型的准确性.实验表明,建立的Bayesian正规化BP神经网络模型不仅能准确地拟合训练值,而且能很好地预测未知样本,将该模型应用于材料制备工艺设计,可以明显缩短实验周期,提高工艺设计效率,对实际的研究工作具有一定的指导意义和应用价值.
关键词:
Bayesian正规化
,
BP神经网络
,
NdFeB粘结磁体
储林华
,
查五生
,
刘锦云
,
陈德波
材料科学与工程学报
本文基于MATLAB平台和现有的少量实验数据,利用神经网络的非线性映射和泛化能力,建立了一个输入为工艺参数、输出为NdFeB永磁体性能参量的BP神经网络模型,并通过检验样本检验了ANN模型的准确性.实验表明:将神经网络技术应用于材料制备工艺设计,可以明显缩短实验周期,提高工艺设计效率,对实际的研究工作具有一定的指导意义和应用价值.
关键词:
BP神经网络
,
NdFeB粘结磁体
,
磁性能