论文部分内容阅读
针对静态网络设计和识别时间模式的能力弱、泛化能力差、学习速度慢等缺点，建立了一个基于Elman神经网络的板形模式识别系统．该系统由于考虑到了神经网络的过学习或过拟合问题，且通过经验公式和对比实验来确定神经网络的隐层节点数，具有简单、有效的优点．系统通过对6种基本板形模式及其组合模式的学习，具有了一定的泛化能力．经仿真验证，实际输出的误差均小于0．1，识别效果良好，可以证明基于Elman动态网络的系统，其板形识别能力要强于BP网络构成的系统．