主動學(xué)習(xí)算法在板厚控制系統(tǒng)中的應(yīng)用研究.pdf

1、主動學(xué)習(xí)算法是用來減少機器學(xué)習(xí)算法標記數(shù)據(jù)需求量的有效方法，它采用未標記樣例輔助已標記樣例的形式對分類器進行訓(xùn)練，以此構(gòu)建高精度分類器。將主動學(xué)習(xí)應(yīng)用到板厚控制系統(tǒng)中是機器學(xué)習(xí)及智能控制領(lǐng)域研究的重要課題。
　　針對板厚控制系統(tǒng)自適應(yīng)能力較弱，智能化程度較低等問題，從模擬生物自學(xué)習(xí)的角度建立了板厚控制系統(tǒng)基于主動學(xué)習(xí)的發(fā)育模型?；谠摪l(fā)育模型，板厚控制系統(tǒng)能夠根據(jù)系統(tǒng)反饋值做出控制參數(shù)的自適應(yīng)調(diào)整，并不斷積累調(diào)整經(jīng)驗以此提高系統(tǒng)智

2、能化程度。
　　首先，針對目前BP神經(jīng)網(wǎng)絡(luò)控制算法中訓(xùn)練樣本采集耗時長的問題，提出了一種基于主動學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)控制算法。仿真實驗結(jié)果顯示，通過采用主動學(xué)習(xí)算法有效減少了網(wǎng)絡(luò)訓(xùn)練時間。
　　其次，針對主動學(xué)習(xí)算法中傳統(tǒng)采樣策略易采集重復(fù)樣例的問題，提出了一種改進型采樣策路，實現(xiàn)網(wǎng)絡(luò)訓(xùn)練樣本的采集，并使用快速下降算法用于網(wǎng)絡(luò)自學(xué)習(xí)過程，提出一種改進型多層感知器神經(jīng)網(wǎng)絡(luò)控制算法。
　　最后，針對網(wǎng)絡(luò)最終性能因自身結(jié)構(gòu)固定