基于隱層改進(jìn)的BP網(wǎng)絡(luò)在織物染色配色中的應(yīng)用研究.pdf

1、進(jìn)年來(lái)織物配色理論發(fā)展迅速，而隨著計(jì)算機(jī)技術(shù)的普及及深入，配色與計(jì)算機(jī)技術(shù)相結(jié)合是適應(yīng)現(xiàn)代化生產(chǎn)的必然趨勢(shì)。本文針對(duì)傳統(tǒng)的BP網(wǎng)絡(luò)在織物染色配色中的缺點(diǎn)，提出了一種參考隱層輸出的改進(jìn)算法，建立了一個(gè)計(jì)算精度更高、收斂速度更快的計(jì)算機(jī)配色網(wǎng)絡(luò)模型。 本文從色度學(xué)的角度分析了織物染色配色原理及色差產(chǎn)生的原因。目前計(jì)算機(jī)配色技術(shù)的理論基礎(chǔ)是Kubelka-Munk理論，由此發(fā)展起來(lái)的配色方法有兩種：三刺激值配色和全光譜配色，這兩種配色

2、方法都取得了很好的效果，但是因?yàn)槿碳ぶ蹬渖ㄖ荒芮蠼馊N染料的配色、全光譜配色法不能很好地解決K/S值與濃度之間的非現(xiàn)行關(guān)系，所以這兩種典型的配色方法不能廣泛應(yīng)用與織物的染色配色。 人工神經(jīng)網(wǎng)絡(luò)以其自學(xué)習(xí)自適應(yīng)的特點(diǎn)，以及并行分布式存儲(chǔ)、可以任意逼近復(fù)雜的非線性關(guān)系的優(yōu)勢(shì)，深受各個(gè)生產(chǎn)領(lǐng)域的歡迎。而在多種人工神經(jīng)網(wǎng)絡(luò)模型中，最值得研究應(yīng)用的就是BP神經(jīng)網(wǎng)絡(luò)，即誤差反向傳播網(wǎng)絡(luò)，通過(guò)數(shù)據(jù)的正向傳輸和誤差的反向傳播來(lái)完成訓(xùn)練學(xué)習(xí)，

3、從而調(diào)整權(quán)值閾值以達(dá)到我們預(yù)期的目的。 盡管BP網(wǎng)絡(luò)有強(qiáng)大的非線性處理優(yōu)勢(shì)，但是仍有局限性：容易陷入局部最小點(diǎn)、收斂誤差較大及泛化能力不強(qiáng)等，因此，本文提出了一種基于隱層改進(jìn)的BP算法，即，將隱層的輸出和輸入層的輸出同時(shí)作為隱層的輸入，進(jìn)而更精確地訓(xùn)練網(wǎng)絡(luò)降低誤差，并用MATLAB仿真實(shí)現(xiàn)，分別針對(duì)深色、中色和淺色不同色系的樣本數(shù)據(jù)進(jìn)行訓(xùn)練，并用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型對(duì)織物配色配方進(jìn)行預(yù)測(cè)，通過(guò)仿真濃度輸出值的對(duì)比，從訓(xùn)練的速度和