基于小样本的神经网络参数优化选择方法  

An optimizing parameter selection method of neural network based on small sample

作　　者：吴贵芳[1] 林青松[1] 孙秀明[1] 徐金梧[2] 徐科[2] 

机构地区：[1]河南科技大学电子信息工程学院,河南洛阳471003 [2]北京科技大学机械工程学院,北京100083

出　　处：《计算机应用》2008年第7期1662-1664,1671,共4页journal of Computer Applications

基　　金：国家自然科学基金资助项目(50074010);国家863计划项目(2003AA331080);河南科技大学人才科学研究基金资助项目(09001121)

摘　　要：提出了一种基于小样本的神经网络参数优化选择方法,并应用于冷轧带钢表面缺陷在线检测系统中。该方法利用小样本对神经网络的每一种可能的组合参数进行模拟训练及测试,通过直方图求取最优化的一组神经网络参数。实验表明,利用该方法选择出来的神经网络参数,可以实现对冷轧带钢表面缺陷的最优识别。An optimized parameter selection method of neural network based on small sample was presented, and it was applied to online surface defect inspection system of cold rolled strips. Small sample of the method was utilized to train and test neural network by every possible combination of parameters to get a group of neural network parameters by plotting histogram of recognition rate under different parameter combinations. Experiments show that optimum recognition of surface defect of cold rolled strips can be accomplished by the parameters that are selected by the optimizing parameter selection method.

关 键 词：小样本 最优参数 神经网络 冷轧带钢 表面缺陷 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]