---
---
---(点击查看产品报价)
本文标题："表带钢轧制特征-轧机的微观分析显微镜"
新闻来源：未知 发布时间：2017-4-7 0:02:30 本站主页地址：http://www.jiance17.com
“自组织图(SOM)"是一种基于非监督性学习的神经网络运算规
则。它不像监督学习方法，SOM可以在不知道输人数据种类成员的
情况下使数据聚集。因此，它能够用来找出存在于问题的特征。组
件平面上的图形就是n维模型矢量的投影。在所有的图形单元中，
每个组件的平面包括一个矢量部分的值。在热轧情况下，测得的代
表带钢轧制特征的数据代表一个数据矢量。这些矢量的组件在带钢
间发生变化，组件的平面也可用于发现隐藏着的一致性，组件之间
的联系可以看作与组件的位置具有相似的模式。模式的匹配可以像
人的眼睛一样优越，同时它可以用规则图形网格进一步得到加强。
在关联搜寻中，使用组件的结合来找出有问题的组件，并进行进一
步的研究。SUM的一个优点是它不需要知道这些关系的特征。它也
可以是非线性的。相似的模式并不意味着他们有必然的联系。它们
也有可能是被第三种因素导致的。然而，只有专家才能给出最终的
答案。
以SOM为基础的数据采集的第一步是数据的储存。从轧机上不
同层次的计算机控制中，不同的计算机上采集到数据，转化为同一
种格式，为轧机的微观模拟准备数据，同时也要去发现新的、隐藏
在带钢内技术参数和局部性质之间的相互依赖性，这个问题是典型
的数据储存问题。这就意味着来源不同、收集时间不同、组织构成
不同(大多数是二进制代码)的数据应该相互一致，同时被转换成统
一的坐标系。
所有资料用于交流学习之用，如有版权问题请联系，禁止复制,转载注明地址
上海光学仪器一厂-专业显微镜制造商 提供最合理的显微镜价格
合作站点：http://www.sgaaa.com/显微镜百科