运用神经网络与回归分析预测纱线质量

举例说明了利用回归分析和人工神经网络建立纱线质量预测模型的方法。比较了回归分析与神经网络在建立预测模型方法上的优缺点。介绍了如何根据实际需要选择合理的方法建立质量预测模型。     

神经网络纱线质量预测子系统——神经网络技术在纺织企业质量管理系统中的应用

介绍了神经网络纱线质量预测子系统的设计思路以及流程，探讨神经网络技术在现有纺织企业质量管理系统基础上的应用问题。提出神经网络质量预测技术的实用化问题以及解决方法。     

小规模样本精梳毛纺纱线质量预测

为了高效地在较少样本基础上对精梳毛纺纱线的质量进行预测,运用计算智能方法建立了预测模型。选取23组精梳毛纺纱线样本,利用由灰色关联分析法和基于输入对输出影响程度的数据优选方法构成的计算方法,从7项工艺参数中优选出对纱线条干不匀率和断裂强度影响最大的4项工艺参数,建立基于BP神经网络的纱线质量预测模型。将其中20组样本作为训练集,3组样本作为测试集,通过建立的模型对精梳毛纺纱线的质量进行实验验证。结果表明,在样本较少的情况下,该模型对条干不匀率和断裂强度的预测误差分别低至0.25%和3.03%,在纺织领域应用前景良好。     

利用神经网络与AFIS纤维测试系统预测纱线质量

评述了人工神经网络以及AFIS纤维测试系统的特点，提出利用人工神经网络和AFIS纤维测试系统进行纺纱质量预测的工作原理和网络构建方法，并提供了实例，说明神经网络可以有效地解决纱线质量预测问题，指出人工神经网络技术在纺纱质量预测和控制中的广泛应用前景。     

基于HVI指标与RBF神经网络的纱线质量预测

将人工神经网络与HVI指标相结合,提出了一种基于RBF神经网络的纱线质量预测方法,克服了BP神经网络训练效率低、容易陷入局部极小化等不足。通过实例分析,利用马克隆值等14项HVI指标和工艺参数对纱线的单纱断裂强度等4项指标进行预测,试验结果表明:与传统纱线质量预测方法相比,基于RBF神经网络的纱线质量预测模型表现出了优良的预测精度及稳定性,对降低生产成本、提高生产效率具有积极意义。     

精梳毛纺纱线质量预报

应用多层感知器模型和Levenberg Marquardt算法对精梳毛纺纱线质量 ,包括细度不匀、粗细节、强力、断裂伸长等指标进行预测 ,实验显示 ,纱线质量的预测值与实测值有很高的相关系数 ,表明该神经网络模型与算法可用于实际生产中的精梳毛纱质量预测。     

回归预测法在课堂教学质量分析中的应用

本课题运用了OFFICE办公软件中的EXCEL表格进行自动运算，运用回归预测法作为数学分析模型，针对课堂教学质量分析的现存问题，进行了回归预测法在课堂教学质量分析中的应用的探讨。     

回归预测法在课堂教学质量分析中的应用

本课题运用了OFFICE办公软件中的EXCEL表格进行自动运算,运用回归预测法作为数学分析模型,针对课堂教学质量分析的现存问题,进行了回归预测法在课堂教学质量分析中的应用的探讨。     

利用AFIS与神经网络预测纱线强力

评述了AFIS纤维测试系统以及人工神经网络的特点，提出了利用它们进行纱线强力预测的工作原理和网络构建方法，并提供了实例。     

人工神经网络纱线质量预报模型的实用化

介绍了纱线质量预报的神经网络模型的实用化方法 ,及对一些不足的具体改进措施 ,如输入参数筛选的方法、数据归一化时的技巧及神经网络质量预报系统的界面化等 ,并简单介绍了网络补充训练子系统     

人工神经网络技术与纺纱质量预报

评述了人工神经网络和纺纱过程的特点 ,提出人工神经网络在纺纱质量预报中的工作原理和网络构建方法 ,并提供了国内外的应用实例和网络的实现方法 ,指出人工神经网络技术在纺纱质量预报中的广泛应用前景     

亚麻纤维品质与成纱质量的人工神经网络分析方法

运用人工神经网络的典型模型——“反向传播”模型,建立了由亚麻纤维的品质预报其成纱质量的连接机制模型。最大拟合相对误差不超过3.2%,最大预测相对误差不超过0.23%。实验结果表明,该方法性能良好,在各类纺织品质量分析预测方面有广阔的应用前景。     

Linear Regression, Neural Network and Induction Analysis to Determine Harvesting and Processing Effects on Surimi Quality

Harvesting and processing input combinations and product quality attributes for the Pacific whiting surimi industry were collected and analyzed. Multiple linear regression, neural networks, and M5-induction were used to determine significant variables in the industry. Significant factors included variables intrinsic to the fish (moisture content, salinity, pH, length, weight) and processing variables (processing time, storage temperature, harvest date, wash time, wash ratios). Most variables were highly interactive and nonlinear. Information derived from these models have implications for production and management decisions.     

Nondestructive Prediction of Moisture and Sodium Chloride in Cold Smoked Atlantic Salmon (Salmo salar)

ABSTRACT: Salt and moisture contents in cold-smoked salmon were determined using short-wavelength near-infrared (SW-NIR) reflectance spectroscopy (600 to 1100 nm). Partial least square (PLS) regression models yielded the best results among 3 linear regression methods tested. Back-propagation neural networks (BPNN) exhibited a somewhat better capability to model salt and moisture concentrations (Salt: R²= 0.824, RMS = 0.55; Moisture: R²= 0.946, RMS = 2.44) than PLS (Salt: R²= 0.775, RMS = 0.63; Moisture: R²= 0.936, RMS = 2.65). Selection of samples from different axial locations on a fish did not affect the prediction error for salt or WPS but affected the prediction error for moisture.     

国毛毛条加工质量预测的人工神经网络模型

简述了毛条加工质量预测的国内外状况，指出了毛条预测加工技术的重要性。根据人工神经网络技术的特点，利用人工神经网络的工作原理描述了建立毛条加工质量预测模型的过程，并给出了毛条质量预测的软件设计思路与模块结构。     

Prediction of Mass-transfer Kinetics and Product Quality Changes during a Dehydration-Impregnation-Soaking Process using Artificial Neural Networks. Application to Pork Curing

Boucané is a cured pork belly product from Réunion. This product is traditionally processed by salting, drying, cooking and smoking raw pork belly in one step or sequentially. A technique involving immersion in a concentrated solution (consisting of water, salt, glucose syrup and liquid smoke flavoring) is proposed with the aim of improving the efficiency of the boucané manufacturing process and enhancing the sanitary quality of the end product. The product could thus be directly dehydrated and formulated in a single operation by this alternative process. An artificial neural network model was developed to analyse and optimize this process. The model mathematically correlates the process command variables (temperature, sugar and liquid smoke flavoring concentrations of the immersion solution) with the end-product characteristics (water loss, salt, phenol and sugar gains, water activity and pH patterns).     

现代纱线质量检测技术

文章概括了目前纱线质量的在线和离线检测技术,为纺纱工艺的质量控制,保证产品性能的稳定提供参考。