基于前馈神经网络的试验数据拟合实践
在材料试验过程中,由于每组试验价格较为昂贵,且采集到的试验数据存在环境噪音,这种状况使得能够获得的数据较少,且数据存在一定的误差.因此,在处理试验结果时,需要一种能够通过少量数据拟合一定区间内所有试验变量对应结果的算法.该场景对算法的实时性要求较低,而对算法拟合结果要求较高,此外,由于试验数据可能存在的误差,对拟合算法的数据容错性也有较高要求.本文将采用全连接前馈神经网络,直接在试验原始数据上进行拟合,通过梯度下降算法迭代提高拟合效果,最终获得收敛的拟合结果.
前馈神经网络、全连接层、缩放指数线性单元、数据拟合
15
TP393(计算技术、计算机技术)
2019-04-08（万方平台首次上网日期，不代表论文的发表时间）
共3页
174-175,177
