-
公开(公告)号：CN111415032A
公开(公告)日：2020-07-14
申请号：CN202010141610.9
申请日：2020-03-03
Applicant: 东华大学
Abstract: 本发明涉及一种基于迁移学习的ELM-AE的聚酯纤维原丝生产性能预测方法。由于ELM网络结构仅有一个隐含层，且输入数据的权重及隐含层的偏置是随机生成的，浅层网络对数据特征提取具有一定的偏差，因此加深ELM网络结构用于提取数据的特征，多层隐含层采用自编码(Autoencoder:AE)进行训练提高模型的训练精度。在工业过程中，同一生产规格产品的生产数据具有难采集，采集成本造价高，采集样本数量少等特点，数据难以用来进行工业过程建模。迁移学习(Transfer Learning:TL)是在一种环境中学到的知识被用在另一个领域中来提高它的泛化性能。不同规格的产品的生产数据有相似之处，且具有一定的相关性，建立迁移学习ELM-AE(TL-ELM-AE)模型，提高模型的泛化能力。
-
公开(公告)号：CN111415032B
公开(公告)日：2022-04-29
申请号：CN202010141610.9
申请日：2020-03-03
Applicant: 东华大学
Abstract: 本发明涉及一种基于迁移学习的ELM‑AE的聚酯纤维原丝生产性能预测方法。由于ELM网络结构仅有一个隐含层，且输入数据的权重及隐含层的偏置是随机生成的，浅层网络对数据特征提取具有一定的偏差，因此加深ELM网络结构用于提取数据的特征，多层隐含层采用自编码(Autoencoder:AE)进行训练提高模型的训练精度。在工业过程中，同一生产规格产品的生产数据具有难采集，采集成本造价高，采集样本数量少等特点，数据难以用来进行工业过程建模。迁移学习(Transfer Learning:TL)是在一种环境中学到的知识被用在另一个领域中来提高它的泛化性能。不同规格的产品的生产数据有相似之处，且具有一定的相关性，建立迁移学习ELM‑AE(TL‑ELM‑AE)模型，提高模型的泛化能力。
-
公开(公告)号：CN107400935B
公开(公告)日：2019-10-18
申请号：CN201710728466.7
申请日：2017-08-23
Applicant: 东华大学
IPC: D01D5/08
Abstract: 本发明涉及基于改进ELM的熔融纺丝工艺的调节方法。首先采集并归一化处理已知纤维的工艺参数和性能指标数据，并以工艺参数数据为输入样本，性能指标数据为输出样本，采用免疫优化算法优化ELM的输入层权值和隐含层阈值得到改进ELM；然后基于改进ELM建立工艺参数与性能指标的数据库；最后从数据库中查找预得到的性能指标对应的工艺参数，并按此工艺参数进行熔融纺丝。其中免疫优化算法的抗体为ELM的输入层权值和隐含层阈值，抗原为ELM的输出值与真实值的绝对误差函数Fv。本发明使用免疫优化算法对ELM输入层权值及隐含层阈值进行优化，降低了倍半伸长率的均方误差和均方根误差，提高了工艺调节精度。
-
公开(公告)号：CN107400935A
公开(公告)日：2017-11-28
申请号：CN201710728466.7
申请日：2017-08-23
Applicant: 东华大学
IPC: D01D5/08
Abstract: 本发明涉及基于改进ELM的熔融纺丝工艺的调节方法。首先采集并归一化处理已知纤维的工艺参数和性能指标数据，并以工艺参数数据为输入样本，性能指标数据为输出样本，采用免疫优化算法优化ELM的输入层权值和隐含层阈值得到改进ELM；然后基于改进ELM建立工艺参数与性能指标的数据库；最后从数据库中查找预得到的性能指标对应的工艺参数，并按此工艺参数进行熔融纺丝。其中免疫优化算法的抗体为ELM的输入层权值和隐含层阈值，抗原为ELM的输出值与真实值的绝对误差函数Fv。本发明使用免疫优化算法对ELM输入层权值及隐含层阈值进行优化，降低了倍半伸长率的均方误差和均方根误差，提高了工艺调节精度。
-
-
-
Search Results
4
records
(took 0.016 seconds)
