吴良
,
陈铮
材料热处理学报
doi:10.3969/j.issn.1009-6264.2007.06.035
介绍了支持向量机(SVM)技术中的支持向量回归模型,并结合实例运用SVM技术构建了42CrMo钢热处理力学性能预测的数学模型.研究表明,在小样本条件下,应用SVM技术构建数学模型的最大预测相对误差为4.78%;而且随着检验精度的提高,模型的预测精度保持基本不变,泛化能力明显优于用人工神经网络的BP模型.认为在材料热处理领域应用SVM技术构建预测力学性能的数学模型,能较好地解决小样本和模型预测精度间的矛盾.
关键词:
支持向量机(SVM)
,
预测模型
,
热处理
,
泛化能力
萧彧星
,
吴光海
,
孙宁
,
王树宗
,
萧以德
腐蚀学报（英文）
针对设施与装备选材时对金属材料大气腐蚀预测的需求,应用神经网络理论,在改进算法的基础上,建立了一种基于贝叶斯正则化算法的BP神经网络预测模型,探讨了小样本条件下的网络泛化问题,分析了算法对泛化精度的提高能力,并通过Matlab实现了仿真验证.通过对试验数据的测试,证实了改进算法和模型的有效性.
关键词:
碳钢及低合金钢
,
BP神经网络
,
贝叶斯正则化
,
大气腐蚀
,
泛化能力
