摘要: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在5%以内,且每次预测的相对误差平均值波动不超过1%。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社