声明
第1章 绪 论
1.1课题研究背景与意义
1.2.1冷轧生产概况
1.2.2轧制力预报模型研究
1.3机器学习方法在轧制力预报中的应用
1.4深度学习的发展以及软测量上的应用
1.5研究内容与结构安排
第2章 基于IAGA-SVM模型的轧制力预报
2.1 引言
2.2 SVM机器学习模型
2.2.1 支持向量机回归模型分析
2.2.2 SVM参数分析
2.3 基于遗传算法的参数优化
2.3.1 改进IAGA算法
2.3.2 IAGA优化SVR
2.4 IAGA-SVR轧制力预报
2.4.1 轧制力机理模型
2.4.2 IAGA-SVR模型仿真
2.5本章小结
第3章 基于去噪自编码的半监督轧制力预报
3.1引言
3.2半监督学习
3.2.1 无监督预学习与有效特征分析
3.2.2半监督栈式自编码网络
3.3半监督网络下的轧制力预报
3.3.1半监督网络模型与实验仿真
3.4 本章小结
第4章 基于深度学习网络的轧制力预报
4.1引言
4.2深度网络模型
4.2.1 多层BP神经网络与网络向量化
4.2.2 小批量梯度下降方法
4.2.3 批归一化网络结构
4.2.4 Adam随机优化方法
4.2.5 线性整流激活函数
4.3深度网络下的轧制力预报
4.3.1深度网络轧制力预报模型
4.3.2实验仿真与结果分析
4.3本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
燕山大学;