10.3969/j.issn.1001-2028.2009.08.021
用Bayesian正则化BP神经网络预测稀土永磁体性能
针对一般BP神经网络泛化能力差,在Bayesian正则化BP神经网络的基础上,运用加权检验、"表决网"等方法的思路训练网络,并通过主成分分析方法对输入数据进行降维,建立了磁粉制备工艺(淬速度和晶化退火温度)、合金成分与磁性能之间的BPNN(back propagation network)预测模型.结果表明:该模型泛化能力较高,预测的Br相对误差在2%左右、Hcj和(BH)max都在5%以内,且每次预测的相对误差平均值波动不超过1%.
纳米晶复相(Nd2Fe14B/α-Fe)永磁体、主成分分析、Bayesian正则化、BP神经网络、泛化
28
TP183 (自动化基础理论)
四川省教育厅重点资助项目2004A110
2009-09-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
75-77,85