论文部分内容阅读
研究了基于贝叶斯方法的神经网络及其在SPA-H热轧板力学性能预测中的应用，在网络的目标函数中引入代表网络复杂程度的惩罚项，融入“奥克姆剪刀”理论，防止网络“过训练”的发生，考虑到网络在应用中的实际问题，在前人改进的算法基础上，采用Levenberg-MarquaMt算法训练网络，提高了该网络的收敛速度，利用上述网络进行SPA-H集装箱热轧板力学性能预测，在收敛速度、稳定性和泛化能力方面都优于传统的BP神经网络。