基于改進BP神經(jīng)網(wǎng)絡(luò)的織物染色計算機配色算法研究.pdf

1、本文針對傳統(tǒng)的織物染色配色方法，費時費力，精確度不高等缺點，將神經(jīng)網(wǎng)絡(luò)技術(shù)引進織物染色配色領(lǐng)域。重點是研究不同類型神經(jīng)網(wǎng)絡(luò)在織物染色計算機配色中的性能，改進神經(jīng)網(wǎng)絡(luò)的訓練方法，建立一個具有足夠配色精度的織物染色計算機配色模型。 首先分析了BP、RBF神經(jīng)網(wǎng)絡(luò)的一般理論，結(jié)合兩種網(wǎng)絡(luò)分別建立基于神經(jīng)網(wǎng)絡(luò)的織物染色計算機配色模型。應(yīng)用兩種模型對樣本數(shù)據(jù)進行仿真訓練，在比較了兩種不同網(wǎng)絡(luò)模型的預(yù)測誤差和網(wǎng)絡(luò)性能的基礎(chǔ)上，分析了它們的優(yōu)

2、缺點及改進措施。 隨后針對BP神經(jīng)網(wǎng)絡(luò)精確度不高、收斂速度慢等缺點，提出了分別用LMBP算法和OWO-HWO算法來改進標準BP算法并且進行了仿真實驗。實驗結(jié)果表明，兩種算法無論是在收斂速度還是訓練精度上比標準BP算法有了很大的提高。針對BP神經(jīng)網(wǎng)絡(luò)易陷入局部極小點的缺點，將遺傳算法引進到BP神經(jīng)網(wǎng)絡(luò)中，提出了GA-LMBP算法。算法思想是先利用遺傳算法對初始權(quán)值進行優(yōu)化，在解空間中定位出一個極好的搜索空間，然后由LMBP算法在這