基于机器学习的钢铁冷轧轧制力预测模型研究

目录

声明

第1章 绪 论

1.1 课题研究背景及意义

1.2 带钢冷轧轧制力研究现状

1.3 人工智能方法在回归预测中的应用

1.3.1 神经网络模型在轧制力预测中的应用

1.3.2 深度学习的发展及其在回归预测问题中的应用

1.4 论文研究内容及结构安排

第2章 基于极限学习机网络模型的轧制力预测

2.1 引言

2.2 极限学习机网络模型分析

2.3 结构增长型极限学习机模型

2.4.1 塑性变形区参数分析

2.4.2 变形抗力回归计算

2.5 仿真结果及分析

2.6 本章小结

第3章 基于深度稀疏自编码极限学习机轧制力预测

3.1 引言

3.2 深度网络模型建立

3.2.1 无监督自动编码器网络

3.2.2 引入稀疏限制因素的自编码器

3.3 网络训练算法

3.3.1 批归一化算法

3.3.2 逐层贪婪训练算法与Adam优化算法

3.4 深度网络下的轧制力预测

3.4.1 深度网络模型参数确定

3.4.2 仿真结果及分析

3.5 本章小结

第4章 基于改进深度信念网络的轧制力预测

4.1 引言

4.2 深度信念网络模型

4.2.1 受限波尔兹曼机

4.2.2 引入去噪机制的深度信念网络

4.3 网络训练算法

4.3.1 对比散度算法

4.3.2 改进对比散度算法

4.4 改进深度信念网络下的轧制力预测

4.4.1 模型准备阶段

4.4.2 仿真结果及分析

4.5 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