《外科学10》中华医学教育文献.pdf

万方数据
神经网络在织物性能预测中的应用与研究肖继海,崔晓红,戴晋明神经网络结构与算法引言网络及算法能解决极大部分应用问题。人工神经网络是最近发展起来的多学科交叉的新兴边缘学科,是以工程技术手段模拟人脑神经网络结构与功能特征的一种技术,它具有突出的学****自适应能力、容错能力、联想记忆能力等特征,可以有效地解决纺织业中存在复杂非线性问题。目前已在纺织研究中得到益广泛的应用,如它成功地用于优化纺纱工艺、织物疵点识别、鉴别纤维和织物、起球等级评定、上染率的计算和服装加工生产等。人工神经网络模拟人脑结构和智能特点,由大量简单神经元构成,解决问题时不需要对象的精确模型,仅需要大量的原始数据,通过其结构的可变性逐步适应外界作用,并挖掘出对象内在的因果关系,最终以一种不很精确的输人、输出值描述出来。目前有数百种神经网络结构与算法被开发和利用,有代表性的人工神经网络有前馈神经网络等。对于纺织领域用前馈神经由于前馈神经网络使用著名的算法,因此前纺织工业上使用较为广泛的一种前馈式、学****算法,为(BaekPropagation)网络特征一般由输入层、输出层和一个或多个隐含层构成。每一层包含有若干个神经元,而层与层之间的神1摘要:文章评述了神经网络技术的特点,对该技术在织物性能预测中的最新研究成果作了深入探讨,并扼要概括其能、预测精纺毛织物后整理质量、预测织物接触冷暖感、预测棉织物手感方面的最新研究情况,并指出人工神经网络在—workfabtic馈神经网络也称神经网络。神经网络是目前在166脑信技术文章编号:—砉ご笱岱墓こ逃朊朗跹г海惺在预测织物热传递性能、识别服装面料成形性、预测织物悬垂性能、预测织物拉伸性能、评价织物风格、预测织物透气性分析类似的织物性能中会有广阔的应用前景。关键词:神经网络;织物性能;预测中图分类号:A1BP作者简介:肖继海,男,山西朔州人,助教,硕士,从事数据库应用、网络技术应用、计算机在纺织中的应用;戴晋明,男,教授,长期从事电与息XiaohongDai,,work2008-0804纺织材料与纺织品设计的研究。V0116No6Dec2008,AbstractThe甀痵、forrnabilty∞;琓.
万方数据
iyj将输入数据输入网络输入层,输入层单元接收到输入信号,计算权重,经传递函数向前传播到隐含层节点,同样再把隐节点的输出信号传播到输出节点,最后给出输出结果。其学****过程由正向传播和反向传播组成。在正向传播过程中,输入信息从输人层经隐含层逐层处理,并传向输出层。每一层神经元的状态只影响下一层神经元的状态。如果输出层得不到期望的输出,则转入反向传播,此时误差信号从输出层向输人层传播,并沿途调整各层神经元的连接权重系数和阈值,使误差信号不断减小。(1)ㄊ淙離和目标输出;扑闶导适涑鯵yj=f(wbxi)j=12n(4)通路反向传播,通过修正各权值,使误差最小;其中:为联接点第蚸层间的权值;为步长大td8pJjP直接求得。(1)织物结构参数或求解的特定性能指标作为输入或输出层的一个神经单元,其设计的难点是节点数的确定,太多会产生干扰,太少达不到精度或模型数增加。(2)何在闭区间内的一个连续函数都可以用一个隐层的网络来表示。(3)理单元是模型成败的关键,而隐层单元数的选择是一个十分复杂的问题,目前尚无准确的理论和方法,但它总存在一个最佳隐单元数,具体确定只能在实验中根据训练时间长短和所要求的精度平衡而定。对三层网=n+m+n111010数。但实际上从较少的中间层处理单元试起,经过反复评价,训练并检验网络的性能来决定。(4)比较小,这样可以保证每个神经元一开始都在它们转换函数变化最大的地方进行。实验试样的选取对模型的建立及训练密切相关。一般来说,选择的试样应具有广泛性和随机性,这样获得的数据才有可能包含问题的全部模式。具体的物理量由相应的物理评价仪器或测试仪测得,因为输入输出的各项数据,其单位不同、数量级别于数量级的差别对误差影响的差异,常常需要对输入数据进行线性变换,使其取值范围均在卜】之间。另外数据经过选择包含各参量的最小值和最大值,这样训练出来的网络效果最佳。根据以上确立的网络模型以及数据处理方式,选择几十组数据作为训练样本,几组作为检验样本。常用中的神经网络工具箱设置神经网络的各项参数指标,通过几十组输入输出数据对神经网络进行训练,直到达到最小误差平方和。常常在建立了证。2织物的热传递性能是评价服装舒适性的重要指标之一。纤维性质,纱线结构与性质,以及织物的结构与性质,均会影响织物的热传递性能,它们之间存在着复杂的非线性关系。预测织物热传递性能有多种不同的建模方法,如数学建模、经验建模、计算机模拟建模和人工神经网络建模等。在这些建模方法中,人们发现人工神经网络是预测织物特