加工过程的复合递归神经网络建模  

Modeling of machining process based on hybrid recurrent neural network

作　　者：赖兴余[1] 鄢春艳[1] 叶邦彦[2] 李伟光[2] 

机构地区：[1]广东省科技干部学院机电工程系,广州510640 [2]华南理工大学机械工程学院,广州510640

出　　处：《机械设计与制造》2008年第2期105-107,共3页Machinery Design & Manufacture

基　　金：广东省自然科学基金资助项目(06025546);珠海市科技计划项目(PC20061040)

摘　　要：针对BP神经网络的缺陷,在对角递归网络结构的基础上,提出了一种复合递归神经网络。BP算法收敛速度慢、产生局部极小点的原因之一是该算法采用了均方误差准则,为克服BP算法的不足,采用了一种广义熵方误差准则。把基于广义熵方误差准则的复合递归神经网络应用于加工过程的建模。仿真试验结果表明,复合递归神经网络建模具有比BP神经网络更快的收敛!速度和更好的逼近效果。Considering the drawback of BP neural network, a new network architecture , called a hybrid recurrent neural network(HRNN) is presented based on the diagonal recurrent neural network (DRNN). One of the causes of BP algorithm converging slowly and easy falling into local minima is due to the mean square error criterion. In order to overcome the weakness of BP algorithm, a generalized entropy square error(GESE)criterion is adopted. The HRNN based on GESE is then used in neural network modeling of the machinin...

关 键 词：加工过程 复合递归神经网络 建模 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]