人工神經(jīng)網(wǎng)絡模板(編輯修改稿)
2024-08-20 21:58 本頁面
【文章內(nèi)容簡介】 ωjl為第 l個輸出節(jié)點和第 j個隱層節(jié)點的聯(lián)結(jié)權(quán) 21:58 根據(jù)改進的輸出 yl，再由誤差平方和 E得到連接權(quán) ω的變化量 Δω，最后根據(jù) BP神經(jīng)網(wǎng)絡的學習過程，可構(gòu)造出 FBP神經(jīng)網(wǎng)絡的學習方法。 21:58 下表是對于 219個樣本，分別運用模糊識別方法， BP神經(jīng)網(wǎng)絡識別方法，模糊 BP神經(jīng)網(wǎng)絡識別方法的錯誤率 。 由上表可以看出，模糊 BP神經(jīng)網(wǎng)絡識別方法要優(yōu)于其他兩種方法。 21:58 【 1】 Image acquisition techniques for automatic visual inspection of metallic surfaces 【 2】 Realtime surface inspection by texture 【 3】 Automated recognition of surface defects using digital color image Processing 【 4】 Detection of surface defects on raw steel blocks using Bayesian work classifiers 【 5】 A design study of an automatic system for online detection and classification of surface defects on coldrolled steel strip 【 6】 Automatic inspection of metallic surface defects using geicalgorithms 【 7】 Hierarchical fuzzy partition for pattern classification with fuzzy ifthen rules 【 8】 Modeling vague beliefs using fuzzyvalued belief structures 【 9】 Neura
環(huán)評公示相關推薦
鄂ICP備17016276號-1