| 專(zhuān)利名稱(chēng) |
一種用改進(jìn)的蝙蝠算法檢測(cè)帶鋼表面缺陷的方法 |
| 申請(qǐng)?zhí)?專(zhuān)利號(hào) |
CN202110403277.9 |
專(zhuān)利權(quán)人（第一權(quán)利人） |
長(zhǎng)春工業(yè)大學(xué) |
| 申請(qǐng)日 |
2021-04-15 |
授權(quán)日 |
2022-09-27 |
| 專(zhuān)利類(lèi)別 |
授權(quán)發(fā)明 |
戰(zhàn)略新興產(chǎn)業(yè)分類(lèi) |
新一代信息技術(shù) |
| 技術(shù)主題 |
蝙蝠算法|工程學(xué)|閾值|全局最優(yōu)|圖像對(duì)|收斂速度|神經(jīng)網(wǎng)絡(luò)|局部最優(yōu) |
| 應(yīng)用領(lǐng)域 |
神經(jīng)架構(gòu)|神經(jīng)學(xué)習(xí)方法|制造計(jì)算系統(tǒng) |
| 意向價(jià)格 |
具體面議 |
| 專(zhuān)利概述 |
本發(fā)明公開(kāi)了一種用改進(jìn)的蝙蝠算法來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，大大提高圖像分類(lèi)的準(zhǔn)確度。包括以下算法步驟：步驟一：錄入原始圖像，對(duì)原始圖像進(jìn)行處理。步驟二：對(duì)網(wǎng)絡(luò)進(jìn)行初始化。步驟三：對(duì)本發(fā)明的初始參數(shù)賦值。步驟四：計(jì)算權(quán)值經(jīng)驗(yàn)因子，蝙蝠利用等式移動(dòng)，并更新響度和脈沖速率。步驟五：記錄當(dāng)前種群的全局最優(yōu)位置和局部最優(yōu)位置，并更新利用公式進(jìn)行速度更新，根據(jù)公式獲得種群蝙蝠的信位置。步驟六：最優(yōu)解X分別對(duì)應(yīng)網(wǎng)絡(luò)的權(quán)值和閾值，輸出結(jié)果。步驟七：判斷是否打到最大迭代次數(shù)，如果是，則輸出結(jié)果。如果否，則返回步驟四。本發(fā)明與其他算法相比具有更快的收斂速度，本發(fā)明更具有開(kāi)發(fā)能力，并且更加穩(wěn)定。 |
| 圖片資料 |
|
| 合作方式 |
擬轉(zhuǎn)讓 |
| 聯(lián)系人 |
戚梅宇 |
聯(lián)系電話(huà) |
13074363281 |
