一种基于K-means聚类算法的神经网络预报轧制力的预报...
实质审查的生效
摘要
本发明公开了一种基于K‑means聚类算法的神经网络预报轧制力的预报方法。属于计算机技术领域，具体步骤：确定RBF神经网络的输入及输出层；估算非线性多层前向RBF神经网络输入、输出层和隐节点的节点个数；构成隐含层空间；确定合适的数据中心，并根据各中心之间的距离确定隐节点的扩展常数；训练人工神经网络，学习修正误差，完成人工神经网络构建；并采用此人工神经网络进行轧制力预设定以供生产使用。本发明相较于传统非线性多层前向神经网络运行速度快，模型易于维护，同时避免了依据设计者因个人经验而设定了不合适的神经网网络的隐含层数和隐含层结点数、定位不到准确的各基函数的数据中心等弊端,精度较高。
基本信息
专利标题 ：
一种基于K-means聚类算法的神经网络预报轧制力的预报方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114510864A
申请号 ：
CN202110641751.1
公开（公告）日 ：
2022-05-17
申请日 ：
2021-06-09
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
高国珺李佑河王萍席波叶金杰黄贞益黄华钦
申请人 ：
南京钢铁股份有限公司;安徽工业大学
申请人地址 ：
江苏省南京市六合区卸甲甸
代理机构 ：
南京苏高专利商标事务所(普通合伙)
代理人 ：
曹坤
优先权 ：
CN202110641751.1
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06K9/62 G06N3/08 G06F119/14
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-06-03 ：
实质审查的生效
IPC(主分类) : G06F 30/27
申请日 : 20210609
申请日 : 20210609
2022-05-17 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
