[发明专利]基于人工神经网络的合金牌号识别方法在审
| 申请号： | 201710408317.2 | 申请日： | 2017-06-02 |
| 公开（公告）号： | CN107247993A | 公开（公告）日： | 2017-10-13 |
| 发明（设计）人： | 李福生;李宁 | 申请（专利权）人： | 浙江泰克松德能源科技有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G01N33/20 |
| 代理公司： | 杭州求是专利事务所有限公司33200 | 代理人： | 邱启旺 |
| 地址： | 321404 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于人工神经网络的合金牌号识别方法，该方法包括(1)人工神经网络的建立。根据牌号库的大小建立合适的人工神经网络，所述合适的人工神经网络包括神经网络类型、层数、每层的神经元个数、传递函数、训练函数。(2)人工神经网络的训练。样本的输入为重点关注元素的元素含量，样本的输出为牌号的牌号标识码。将训练好的人工神经网络保存，备用。(3)人工神经网络的仿真。将被检测样品的实测数据输入训练好的神经网络，将神经网络的输出数据就近取整，取整后的数值即为被检测样品的牌号标识码。最后根据牌号标识码报出被检测样品的牌号。 | ||
| 搜索关键词： | 基于 人工 神经网络 合金 牌号 识别 方法 | ||
【主权项】：
一种基于人工神经网络的合金牌号识别方法，其特征在于，具体包括以下步骤：(1)人工神经网络的建立根据牌号库的大小建立人工神经网络，设计该人工神经网络的类型、层数、每层的神经元个数、传递函数、训练函数；神经网络的类型是前馈多层网络或全反馈网络；神经网络分别具有1个输入层和1个输出层；另外，隐层层数为2‑3层；每层的神经元个数为10个以上100个以下，输出层神经元个数为1个或与输入层神经元个数相同；在传递函数的选择方面，隐层使用非线性传递函数，输出层使用线性传递函数；在训练函数的选择方面，训练函数为L‑M优化算法、准牛顿BP算法、弹性梯度下降法、梯度下降法或量化共轭梯度法。(2)人工神经网络的训练选取训练样本，样本的输入为重点关注元素的元素含量，样本的输出为牌号的牌号标识码，训练得到人工神经网络；其中重点关注元素指合金中百分含量大于0.1％的所有元素；(3)人工神经网络的仿真将被检测样品的实测数据输入训练好的神经网络，将神经网络的输出数据就近取整，取整后的数值即为被检测样品的牌号标识码，最后根据牌号标识码报出被检测样品的牌号。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江泰克松德能源科技有限公司，未经浙江泰克松德能源科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710408317.2/，转载请声明来源钻瓜专利网。
