金屬材料設(shè)計人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用主要用于哪些領(lǐng)域

金屬材料設(shè)計的人工模擬系統(tǒng)激活功能指定了細胞將通過處理細胞的凈輸入而產(chǎn)生的響應(yīng)。激活函數(shù)通常被選擇為非線性函數(shù)，它是ann的一個特征，來自于非線性特征。目前，“s型函數(shù)”和“正切雙曲函數(shù)”是應(yīng)用最廣泛的激活函數(shù)。表2顯示了激活函數(shù)。激活函數(shù)的值是單元格的輸出值。具有非線性、并行運算、學習、泛化、容錯和靈活性、處理缺失數(shù)據(jù)、使用多變量和多參數(shù)、適應(yīng)性等關(guān)鍵特性。金屬材料設(shè)計人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用主要用于預(yù)測、分類、數(shù)據(jù)關(guān)聯(lián)、數(shù)據(jù)解釋和數(shù)據(jù)過濾過程。在ann中，根據(jù)它們的結(jié)構(gòu);人工神經(jīng)網(wǎng)絡(luò)分為前向和反饋兩種，這取決于它們包含的神經(jīng)元的方式。

金屬材料設(shè)計人工系統(tǒng)從一層到下一層只有一個鏈接。與前饋神經(jīng)網(wǎng)絡(luò)(FF)不同的是，一個細胞的饋入不僅是它后面的細胞層的輸入。它還可以作為輸入鏈接到它的上一層或它的層中的任何單元格。在這種結(jié)構(gòu)下，反饋神經(jīng)網(wǎng)絡(luò)表現(xiàn)出非線性的動態(tài)行為。根據(jù)學習算法，神經(jīng)網(wǎng)絡(luò)分為咨詢學習、無顧問學習和強化學習三種。根據(jù)學習時間的不同，將人工神經(jīng)網(wǎng)絡(luò)分為靜態(tài)學習和動態(tài)學習兩種。按層來劃分，單層網(wǎng)絡(luò)只有輸入和輸出。在多層傳感器中，許多神經(jīng)元是結(jié)構(gòu)上的非線性激活函數(shù)，并具有一定的優(yōu)越性，被稱為多層傳感器。

金屬材料設(shè)計盡管神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和神經(jīng)細胞的數(shù)量各不相同，但人工神經(jīng)網(wǎng)絡(luò)的形成并沒有公認的規(guī)則。當隱層數(shù)小于要求的人工神經(jīng)網(wǎng)絡(luò)不足以解決復雜的函數(shù)時，隱層數(shù)過多的人工神經(jīng)網(wǎng)絡(luò)會遇到不理想的不穩(wěn)定性。在確定隱藏層的數(shù)量后遇到的問題是決定每一層中有多少神經(jīng)元存在。金屬材料設(shè)計輸入層沒有問題;這個數(shù)等于系統(tǒng)的輸入數(shù)。同樣，輸出層可以由期望的輸出數(shù)確定。主要的問題是確定隱藏層中的神經(jīng)元數(shù)量。傳統(tǒng)的矩陣算法認為矩陣維數(shù)必須等于輸入數(shù)或輸出數(shù)。不幸的是，目前還沒有數(shù)學測試能夠最有效地在隱藏層中發(fā)現(xiàn)多少神經(jīng)元。應(yīng)采用試錯法進行決策。