TEL:0513-83354213
  • 首页
  • 关于我们
  • 产品展示
  • 行业案例
  • 乳化专题
  • 行业应用
  • 联系我们
乳化机 > 分类 > 真空乳化机 > 正文
2020/0907

乳化机诊断人工神经网络6、权值调整

乳化机诊断人工神经网络6、权值调整

输入层第i 个节点的输入为

图3.7 BP 神经网络结构图




neti  = ∑xi  +θi

i=1

式中xi(i= 1, 2,…, M) 为神经网络的输入,θi为第i个节点的阈值。对应的输出为

(3.12)


a  = f (net)=1=1


(3.13)


1+exp(−neti )

1+ exp(−∑xi −θi )

i=1




在BP 网络学习中,非线性的学习主要由隐含层和输出层来完成。一般令:

ai   = xi


(3.14)



隐含层的第j 个节点的输入为





netj=∑wijai+θj j=1


式中,wij 、θj 分别为隐含层的权值和第j 个节点的阈值。对应的输出为

(3.15)


a  = f (net)=1=1


(3.16)


jj1+exp(−net)

1+exp(−∑wijai −θj )

j =1



输出层第k 个节点的输入为



netk = ∑wjk a j +θk

k =1

式中,wjk 、θk 分别为输出层的权值和第k 个节点的阈值。对应的输出为

(3.17)


y  = f (net)=1=1


(3.18)


kk1+exp(−net)

1+ exp(−∑wjk a j −θk )

k =1



定义每一样本p 的输入模式对应的二次型误差函数为

1L2


Ep=∑(ypk −apk)

k =1

(3.19)


则系统的总误差函数为

P1 PL2


E=∑Ep =2∑∑(ypk−apk)

(3.20)


p=1p=1  k=1

式(3.20)中,P 为L 样本模式对数,L 为网络输出节点数。


date 2020/09/07乳化机诊断人工神经网络5、结构

上一条

date 2020/09/08乳化机诊断人工神经网络8、系数的调整

下一条

信息

真空乳化机 均质乳化机 分散乳化机 高剪切乳化机
  • 没有资料
  • 产品
  • 批次型
  • 连续型
  • 升降型
  • 成套型
  • 定制型
  • 实验型
  • 配件
  • 行业
  • 精细化工
  • 石油化工
  • 日用化工
  • 涂料油墨
  • 生物医药
  • 农药化肥
  • 食品工业
  • 纳米材料
  • 道路沥青
  • 乳化分类
  • 真空乳化机
  • 均质乳化机
  • 分散乳化机
  • 高剪切乳化机
  • 实验室乳化机
  • 管线式乳化机
  • 乳化应用案例专题
  • 钛白粉研磨分散机
  • 高岭土高剪切分散乳化机
  • 乳化产品技术专题
  • 燃料油乳化机
  • 固液连续混合分散系统
版权所有:启东市汇龙混合设备有限公司|高剪切乳化机 乳化机 电话:0513-83354213/83255300 传真:0513-83223303 地址:江苏启东东郊工业园区3号 网站备案号:苏ICP备09048098号-8