模式識(shí)別-人工神經(jīng)網(wǎng)絡(luò)方法研究及其在材料領(lǐng)域的應(yīng)用.pdf

1、本論文是對(duì)一種材料優(yōu)化設(shè)計(jì)新方法——模式識(shí)別-人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行研究，并用于解決新材料開發(fā)過程中常遇到試驗(yàn)周期長(zhǎng)，影響因素復(fù)雜，反應(yīng)機(jī)理不明等難題。這種新方法運(yùn)用模式識(shí)別方法對(duì)樣本數(shù)據(jù)進(jìn)行定性分析和樣本篩選，運(yùn)用特殊的人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行定量分析和精確預(yù)報(bào)，并在二維映照?qǐng)D上直觀地顯示出目標(biāo)值的分布規(guī)律。其基本原理是：根據(jù)拓?fù)浣Y(jié)構(gòu)在映射過程中不變的原理，將多維向量首先映射到二維平面上，再通過非線形函數(shù)向高維空間擴(kuò)展、迭加并輸出，這樣可以

2、避免在傳遞過程中變量間關(guān)系被屏蔽或覆蓋。由映射平面圖像來展現(xiàn)數(shù)據(jù)所隱含的規(guī)律，從平面圖象來直觀地確定最優(yōu)點(diǎn)或區(qū)域，為材料優(yōu)化設(shè)計(jì)和試驗(yàn)設(shè)計(jì)提供了一種行之有效的決策支持方法。 本文所作的主要研究工作如下： 構(gòu)建了人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模式識(shí)別的非線性映射模型，并引入“列隊(duì)競(jìng)爭(zhēng)算法”與“梯度法”結(jié)合產(chǎn)生的一種混合算法解決人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練中容易陷入局部極小的問題，很好的兼顧了全局搜索和局部搜索的要求。其中，列隊(duì)競(jìng)爭(zhēng)算法的主要作用

3、是實(shí)現(xiàn)全局搜索，而梯度法的作用是實(shí)現(xiàn)局部尋優(yōu)，這兩種方法的結(jié)合，可以使全局搜索與局部搜索達(dá)到均衡和統(tǒng)一。實(shí)際的計(jì)算結(jié)果表明，混合算法比單一的算法效果明顯，映射的誤差小且學(xué)習(xí)訓(xùn)練的速率快，建立的映射模型能真實(shí)地反映客觀規(guī)律。 研究用計(jì)算機(jī)模式識(shí)別-人工神經(jīng)網(wǎng)絡(luò)方法輔助材料設(shè)計(jì)和試驗(yàn)優(yōu)化，用PR-ANN實(shí)現(xiàn)了篩選樣本數(shù)據(jù)，篩選變量，模式識(shí)別定性分析，人工神經(jīng)網(wǎng)絡(luò)精確預(yù)報(bào)等功能，并開發(fā)了PR-ANN系統(tǒng)優(yōu)化軟件。 檢驗(yàn)了PR-