针对数控切削加工表面粗糙度存在预测精度不高的问题,采用径向基(RBF)神经网络技术,以多组实际加工试验数据作为样本,建立了以转速n、进给速度vf、背吃力量ap为自变量的切削表面粗糙度预测模型。试验及预测结果表明:切削表面粗糙度RBF神经网络预测模型的预测相对误差小于2.7%,而回归分析预测值的相对误差在7.1%～14.0%变动。充分说明数控切削加工表面粗糙度RBF神经网络预测模型的预测精度高,可满足数控切削加工表面粗糙度实时在线预测的要求。
2021-05-12 15:43:02
260KB
1
传统的“试错”型材料研究方法存在周期长、成本高和偶然性大等不足,已经不能满足现代材料研发的需求,提高研发针对性、缩短材料研发周期、降低材料研发成本成为全世界的研究热点。随着数据量的不断累积以及计算机技术的不断发展,数据密集型科学逐渐成为科学研究的第四范式。
2021-05-09 18:05:49
5.77MB
1
这里有人工神经网络与机器学习的课后答案、上机实验程序、课后PPT等等，还有一些乱七八杂的。
2021-05-07 20:13:58
67.4MB
1
学生成绩预测
使用聚类的聚类对学生的期末考试成绩进行预测。K-Means聚类算法标记聚类。 通过人工神经网络使用Apriori修剪预测进行关联
2021-05-02 14:51:12
744KB
1