貝葉斯改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在織物染色配色中的應(yīng)用研究.pdf_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、傳統(tǒng)的織物染色配色一般是依靠配色人員自身的經(jīng)驗(yàn)和知識(shí)來進(jìn)行的,這就造成了這種方法工作量大并且耗費(fèi)材料和時(shí)間的缺點(diǎn),本文針對(duì)傳統(tǒng)方法的缺點(diǎn)提出了采用基于貝葉斯改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)配色方法。根據(jù)神經(jīng)網(wǎng)絡(luò)可以很好的解決非線性問題的優(yōu)點(diǎn),來建立一個(gè)既可以精度高又可以有較強(qiáng)的泛化能力的網(wǎng)絡(luò)模型。 文章首先介紹了計(jì)算機(jī)配色以及顏色色度學(xué)的一些理論知識(shí),針對(duì)計(jì)算機(jī)配色的優(yōu)點(diǎn)提出了采用神經(jīng)網(wǎng)絡(luò)來進(jìn)行織物染色的配色。接著對(duì)于神經(jīng)網(wǎng)絡(luò)進(jìn)行了具體

2、的介紹,包括神經(jīng)網(wǎng)絡(luò)的原理、特征以及研究的現(xiàn)狀,以及介紹了幾種常用的網(wǎng)絡(luò)模型。 隨后本文主要介紹了BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)的一些理論知識(shí),根據(jù)這兩種網(wǎng)絡(luò)的各自的特點(diǎn)采用不同的方法建立網(wǎng)絡(luò)模型,針對(duì)遺傳算法全局搜索的特點(diǎn),結(jié)合RBF網(wǎng)絡(luò)的特點(diǎn),文中提出了采用基于遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)模型進(jìn)行實(shí)驗(yàn);針對(duì)BP網(wǎng)絡(luò)收斂速度慢,網(wǎng)絡(luò)誤差較大而LM算法的精確度較高的特點(diǎn),文中提出了采用基于貝葉斯正規(guī)化算法與LM算法結(jié)合的方法,不僅可以解決收斂

3、速度慢的問題,而且在網(wǎng)絡(luò)的泛化方面也有了一定的進(jìn)步。該算法主要是對(duì)誤差函數(shù)進(jìn)行了修改,從而達(dá)到提高泛化能力的要求。本文主要研究的就是如何提高網(wǎng)絡(luò)的泛化能力,而基于貝葉斯正規(guī)化算法與LM算法結(jié)合的方法證明采用該方法可以較好的實(shí)現(xiàn)網(wǎng)絡(luò)的泛化。 最后利用從工廠提取的深色、中色和淺色的不同樣本數(shù)據(jù),分別采用了基于遺傳算法的RBF網(wǎng)絡(luò)方法、基于貝葉斯與LM算法結(jié)合的方法與傳統(tǒng)的LM算法和自適應(yīng)學(xué)習(xí)速率算法進(jìn)行比較,從仿真的濃度精確度以及網(wǎng)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論