择优RBF神经网络下切削率的优化
本文通过择优RBF(径向基函数,Radial Basis Function)神经网络对影响切削加工过程的切削参数进行建模,对切除率进行拟合预测;提出松弛误差作为衡量网络精度的指标,使RBF选择最优的分布密度,从而有效提高RBF神经网络的拟合预测能力;并将择优RBF的拟合和预测结果与BP的相应结果进行了比较,结果显示择优RBF神经网络的拟合和预测精度大大优于BP神经网络.
择优RBF神经网络、切削参数、松弛误差、学习过程统计性质
32
O212(概率论与数理统计)
贵州2010省长基金:黔省专合字201028号;全国统计科学重点项目2012LZ054;贵州省民委基金;贵州科技厅:黔科合J字[2011]2106、黔科合GY字[2011]3055、黔科合计z字[2009]4002;贵阳科技局:筑科合同[2011101]1-32、筑科合同[2012101]2-17
2013-12-18(万方平台首次上网日期,不代表论文的发表时间)
共9页
993-1001