CN115049127B 基于bohb算法及神经网络的3d打印质量预测方法 （杭州电子科技大学）_第1页
CN115049127B 基于bohb算法及神经网络的3d打印质量预测方法 （杭州电子科技大学）_第2页
CN115049127B 基于bohb算法及神经网络的3d打印质量预测方法 （杭州电子科技大学）_第3页
CN115049127B 基于bohb算法及神经网络的3d打印质量预测方法 （杭州电子科技大学）_第4页
CN115049127B 基于bohb算法及神经网络的3d打印质量预测方法 （杭州电子科技大学）_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

environmentalradioactivi基于BOHB算法及神经网络的3D打印质量预基于BOHB算法及神经网络的3D打印质量预测方2步骤六、训练BP神经网络预测模型：使用训练集训练所述2.根据权利要求1所述的基于BOHB算法及神经网络的3D打印质量预测方法，其特征在层激活函数的选择范围为{relu,tanh}，隐藏层到输出层激活函数的选择范围为{relu,3.根据权利要求2所述的基于BOHB算法及神经网络的3D打印质量预测方法，其特征在于，隐藏层节点的数量m根据输入层神经元的节点数量x和输出层神经元的节点数量y计算2x4.根据权利要求3所述的基于BOHB算法及神经网络的3D打印质量预测方法，其特征在5.根据权利要求2所述的基于BOHB算法及神经网络的3D打印质量预测方法，其特征在6.根据权利要求1所述的基于BOHB算法及神经网络的3D打印质量预测方法，其特征在7.根据权利要求1所述的基于BOHB算法及神经网络的3D打印质量预测方法，其特征在3[0002]熔融沉积制造(FusedDepositionModeling，FDM)技术是4[0016]作为优选，隐藏层节点的数量m取值m1，隐藏层节点的数量m的搜索范围为使用randint(1,10)函数确定搜索值。5用train_test_split函数将实验数据集按照一定比例划分为训练集和测试集对模型进行训练。步骤五在python中构建一个基于BP神经网络的FDM打印成型件质量预测模型model，6到隐藏层激活函数的选择范围为{relu,tanh}，隐藏层到输出层激活函数的选择范围为[0042]隐藏层节点的数量m根据输入层神经元的节点数量x和输出层神经元的节点数量y320.170430.201540.2512131411517611121314117.8451611以及BOHB_BP算法分别对拉伸强度和表面粗糙度的预测情况。两种模型对数据预测都有一该本领域的技术人员应该明白本发明包括但不限于附图和上面具体实施方式中描述的内

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论