10.3969/j.issn.1662-0555.2023.03.017
基于随机失活层优化深度置信网络算法的刀具磨损预测
为了提高数控刀具的加工精度,应用随机失活层优化深度置信网络算法,进行数控刀具磨损状态预测,并开展试验分析.通过受限玻尔兹曼机训练优化网络权值与偏置量,利用误差反向算法实现网络的微调,并使由特征提取获得的高级特征能够良好匹配预测需求.分析结果表明,各层受限玻尔兹曼机都需要在初期训练阶段重新学习,此时会引起重构误差方式突变,最终逐渐达到稳定状态.相比深度反向传播网络和支持向量机,加入随机失活层后深度置信网络有助于提升模型的学习性能,得到更稳定与更准确的预测结果.
刀具、磨损、预测、随机失活层、深度置信网络
TG707(刀具、磨料、磨具、夹具、模具和手工具)
2023-10-31(万方平台首次上网日期,不代表论文的发表时间)
共4页
77-80