作者：刘国梁; 佘建波表面粗糙度深度学习深度置信网络知识发现模式识别
摘要：深度神经网络是一种具有复杂结构和多个非线性处理单元的模型,目前也已逐步被应用在工业生产过程中。但由于神经网络不可解释,不可控制的"黑箱"问题,以及海量的数据需求问题,使得深度学习在工业领域的应用仍有巨大的障碍。提出一种新的深度神经网络模型:知识深度置信网络(Knowledge-based deep belief network,KBDBN)。这种逻辑符号语言与深度神经网络的结合,不仅使得模型具有良好的模式识别性能,还可自适应地确定网络模型并具有可解释和可视化特性。进一步提出基于KBDBN的工件表面粗糙度加工过程的预测模型,实现了精确预测且有效地提取了制造过程的关键知识。试验结果证明:相较于传统机器学习器,KBDBN的网络性能更加优越,具有可解释性,可应用性更强。创新性的将符号规则与深度学习相结合并建立加工粗糙度预测模型,可以在精准预测的前提下提取工艺知识,指导加工工艺优化。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
