文献

J-GLOBAL ID：201902282015087190   整理番号：19A0262531

深さネットワーク訓練に基づくアルミニウム熱間圧延力予測【JST・京大機械翻訳】

Prediction of aluminum hot rolling force based on deep network

著者 (4件)： Wei Lixin (燕山大学 工業計算机控制工程河北省重点実験室,秦皇島,066004) ,  Wei Xinyu (燕山大学 工業計算机控制工程河北省重点実験室,秦皇島,066004) ,  Sun Hao (燕山大学 工業計算机控制工程河北省重点実験室,秦皇島,066004) ,  Wang Heng (燕山大学 工業計算机控制工程河北省重点実験室,秦皇島,066004)
資料名： Zhongguo Youse Jinshu Xuebao  (Zhongguo Youse Jinshu Xuebao)
巻： 28  号： 10  ページ： 2070-2076  発行年： 2018年 
JST資料番号： W0943A  ISSN： 1004-0609  CODEN： ZYJXFK  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： アルミニウム熱間圧延において,圧延力予測の精度は,製品の収量と品質に直接影響する。アルミニウム熱間圧延の予測精度を改善するために,深さ学習法に基づく多層パーセプトロン(MLP)圧延力予測モデルを提案した。モデルはMLPの関数近似能力を利用して圧延力を回帰する。モデルは,小バッチ訓練に基づき,BatchNormalization法を用いて,ネットワーク前方伝搬の出力分布を安定化し,そして,Adamランダム最適化アルゴリズムを用いて,勾配更新を改善し,そして,MLPモデルの訓練が難しい問題を解決した。シミュレーション結果は,モデルがネットワーク予測と測定データの間の相対誤差を3%まで低下させ,圧延力の高精度予測を実現することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 品質 ,  関数近似 ,  *熱間圧延 ,  多層パーセプトロン ,  *予測 ,  *アルミニウム ,  シミュレーション ,  予測モデル ,  学習 ,  ロット ,  *ネットワーク ,  *圧延荷重
準シソーラス用語： 高精度 ,  最適アルゴリズム ,  予測精度 , 【Automatic Indexing@JST】

分類 (2件)： 変態組織,加工組織  (WB01030N) ,  圧延一般  (WC06010D)

タイトルに関連する用語 (4件)： 訓練 ,  アルミニウム ,  熱間圧延 ,  予測