图像处理 神经网络 深度神经网络 图像识别原理

昭棠笔记 2023-01-26

常鲁峰-诱心人

2022年5月1日发

(作者:越剧名段有哪些)

维普资讯

第20卷

2008年 

第3期 

6月 

黑龙江八一农垦大学学报 

Journal of Heilongjiang August First Land Reclamation University 

2O(3):37~39 

June 2008 

文章编号:1002—2090(2008)03—0037—03 

基于人工神经网络深松机关键部件的参数优化 

周桂霞 东港网,邬雨昕 邯郸seo,汪春 天门网站建设,张伟 ,于云杰 

(1.黑龙江八一农垦大学工程学院浙江网站建设,大庆163319;2.大庆市农业委员会;3.黑龙江多多集团动力公司) 

摘要:利用BP神经网络训练数据,以深松机关键部件的三个结构参数一翼张角、刃角和翼倾角为输入参量又名苏州站长网,输出目标参量为 

牵引阻力搜索引擎推广,建立深松机牵引阻力的人工神经网络模型陶然士论文。结果表明:训练良好的BP网络输出数据与实测数据吻合较好,网络模 

型具有较高的精度,并具有收敛速度快等特点。同时,确定了一组更优结构参数如何写好软文,为深松铲的设计提供理论依据。 

关键词:BP神经网络;深松机;关键参数 

中图分类号:¥222.129 文献标识码:A 

Optimization of Parameters to the Key Parts of Deep——tiller 

Based on Artiiciafl Neural Networks 

Zhou Guixia1google排名,Wu YuxiZ,Wang Chun 南昌网站推广,Zhang Wei ,Yu vunj ̄ 

(1.College of Engineering嘉兴seo优化,Heilongjiang August Fisrt and LReclamation University百度刷下拉框,Daqing 163319; 

2.Daqing Agricufure comrttee;3.Power Co.of Duoduo Group Heillongjiang) 

Abstract:The paper establish artificil neurala networks model of deep-tiller’S tractional resistance with three structure parameters 

(wingspan angel、edge angel、wingluffange1)ofthe key parts ofdeep-tillerastheinput andtractional resistance outputwhentrainingand 

learning datum utilizing BP neural networks.The results indicated that:beuer output datum trained by BP neural networks inosculated 

experiment datum洋舰seo,the networks model was possessed the characteristics of better precise and rapid constringency speed.At the same 

time张家界百度,the optimal construct parameters were obtained which offered a reference basis of optimizing design for deep—shove1. 

Key words:BP neural networks;deep—tillage;critical stuctrure parameter 

在无灌溉条件的旱区网页打开速度慢怎么办,为促进旱区农业的可持 

续发展百度推广,在相当程度上依靠合理的耕作方式和先进 

耕作机具的研制和生产临江网,利用先进的农机具网络销售方法,使土壤 

适时的吸纳、储存和释放降水seo迈步者论坛,供应作物生长需要。 

采用深松技术正是这样一项切实可行的主动抗旱和 

有效用水措施。而耕作作业的主要成本是作业过程 

中用于克服牵引阻力所消耗的能量一百度,因此链接出售,优化耕作 

部件结构及工作方式百度seo建议,降低土壤耕作能量消耗具有 

现实意义。 

深松机的耕作过程具有时变性和非线性网推广,其模 

型很难用简单的数学公式或传递函数来描述,用统 

计建模的方法运算过于繁琐泉州网站优化。而神经网络具有并行 

处理的优点网站策划运营,在处理非线性、不确定性或模糊关系方 

面具有独特的优势。因此都江堰网站建设,采用BP神经网络对深松 

收稿El期:2008—03—04 

机的牵引阻力建模太原网络营销,从而揭示深松铲和牵引阻力之 

间的复杂关系北京网站推广,将人工神经网络技术与多维自回归 

模型相结合,通过多个关键参数与牵引阻力的相关 

分析搜索词排名,来确定网络的拓扑结构吴江seo,建立牵引阻力模型, 

并对结构参数进行优化永州网站建设,为深松铲的优化设计提供 

参考依据电子商务网站推广方案。 

1 BP神经网络的结构 ̄niJll练方法 

1.1 BP神经网络的结构 

BP神经网络由输入层、隐含层、输出层和各层神 

经元之间连接组成。一般采用3层BP网络结构濮阳网站推广,由 

输入层、隐含层和输出层组成汕头建站,各层神经元数分别为 

和/Z 构成所谓 —礼厂 结构。输入层与隐含 

层、隐含层与输出层之间的连接权值分别为W 和 台州网站推广。 

、 

项目来源:黑龙江省大庆市课题(SGG04—063,SGG2005—027)点击率。 

作者简介:周桂霞(1972一),女,副教授,河北工业大学在读博士研究生。 

如果西单女孩-二炮文工团