Keras 深度学习框架下 BP 神经网络的热轧带钢力学性能预测

戚功文

南加州大学，江苏 苏州，215131

浏览次数：39次 下载次数：120次

摘要：文章在分析人工神经网络模型理论和建模方法的基础上，结合某厂带钢研究单元的参数和机械性能检测数据，通过选择 Traingdm 进行训练网络，确定网络的输入输出参数、隐含层数、学习速率、动量因子分数和训练精度，建立了 BP 人工神经网络性能预测模型的三层结构。实验结果表明袁通过训练和实测数据预测屈服强度尧抗拉强度尧伸长率的结果具有较高的一致性遥 因此袁BP 人工神经网络性能预测模型具有较高的预测精度和实用性袁可用于带钢生产过程的预测计算。

关键词：Keras 深度学习框架；BP 神经网络；热轧带钢；力学性能

中图分类号：TG335文献标志码：A文章编号：1671-9344(2020)17-0001-02