基于改进BP神经网络的控制的图模式识别系统

提出一种基于激励函数参数可调和动态阈值的改进 BP 神经网络控制图模式识别算法，并优化 Monte Carlo 工序数据模拟方法，使样本数据更具与实际生产数据相同的质量特性。根据改进后的网 络参数迭代公式，将预处理后的样本数据作为输入对该神经网络识别器进行训练，训练结果用于生 产过程的控制图模式识别。改进 BP 神经网络识别器的拓扑结构简单，在保证识别精度的前提下，提 高识别速度，改善神经网络的泛化能力。最后，通过计算机模拟和生产现场应用验证该算法的可行 性。