论文部分内容阅读
神经网络存在的局限性，根据机床加工数据与实际生产获取约束条件结合的半监督学习方法，选取半监督聚类算法作为神经网络优化的学习方法确定径向基神经网络中各隐藏节点的数据中心，并利用数据中心点间距离确定隐节点的扩无常数。采集数据进行有监督学习神经网络的权值输出，生成整个预测加工系统。为避免模型的过度拟合采用训练数据与检测数据分开不重复来检验误差，并与传统的建模方法如多项式回归、RBF神经网络进行对比，本方法能具有更小的输出误蒡．仿真更加稳定。