人工神经网络在材料科学中的应用和展望.doc
《人工神经网络在材料科学中的应用和展望.doc》由会员分享,可在线阅读,更多相关《人工神经网络在材料科学中的应用和展望.doc(9页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、课 程 论 文材料科学基础Fundamentals of Materials Science作 者 姓 名: 琦 年 级 专 业: 2008级应用化学 课 程 名 称:人工神经网络在材料科学中的应用与发展学 号:指 导 教 师: 许东利 完 成 日 期: 2011年6月6日 成 绩:师学院XinyangNormalUniversity目 录7 / 9人工神经网络在材料科学中的应用与展望学生:琦学号:化学化工学院08级应化专业课程名称材料科学基础摘 要:人工神经网络因其具有较强的非线性问题处理能力且容错性强而在材料科学中得到广泛的应用本文对其在材料设计、材料制备工艺优化、塑性加工、热处理等领域的
2、应用进行了探讨,并对其发展前景进行了展望。关键词:人工神经网络;材料科学;应用;展望The applications and prospects of Artifical Neural Networks in Materials ScienceAbstract: Artificial Neural Networks(ANN)is used widely in materials science because it is capable of dealing with nonlinear problems and of faulttolerantIn the paper,its applica
3、tion to materials design,optimization of process parameters,plastic processing,heat treatment is summarized and the prospects of ANN are discussedKeywords: artificial neural networks;metallurgical industry;application;prospect引 言人工神经网络1(Artifical Neural Networks)是用来模拟人脑结构与智能特点的一个国际前沿研究领域,它具有独特的大规模并行
4、分布处理与学习联想能力,力图模拟生物神经系统2与其他传统模型相比,它具有以下独特的优点3:较强的非线性问题处理能力;对噪声和不完整信息具有低敏感性,抗噪声能力好;在运行过程中依动态数据库对周围环境具有自适应能力而自我调整、完善、发展使误差达到最小,以提高运行精度;能很好的完成多变量模式识别;能对过程实现在线响应,在系统中可以在线使用尽管网络的具体类型很多,但其基本类型都是由大量的计算单元(神经元)广泛相互理解而构成的并行处理网络由于他们的综合特点和人类的智能相似,故具有大规模并行、分布式存贮和处理、自组织、自适应的学习能力,适用于处理需要同时考虑许多因素和条件的不精确和模糊的信息问题,可以解决
5、专家系统和统计分析方法不易解决的问题其应用已渗透到模式信息处理和模式识别、最优化问题、信息的智能化处理、复杂控制、信号处理、数学逼近映射、感知觉模拟、概率密度函数估计、化学谱图分析、联想记忆与数据恢复等方面4随着研究的深入,其应用将更加广泛1 人工神经网络的概念与模型1.1 概念人工神经网络(Artificial Neural Network,简称ANN)是由大量简单的称之为神经元(Neurons)的处理单元以某种拓扑结构广泛地相互联接而构成的复杂的、自适应、自组织的非线性的动力学系统5,具有学习功能、记忆功能、计算功能以与智万方数据第4期徐强,等:人工神经网络在材料科学中的应用与展望能处理功
6、能,并在不同程度和层次上模仿人脑神经系统的信息处理、存储与检索功能6他是在对以人脑为主要代表的生物神经系统的组织结构和行为特征进行研究的基础上,试图通过模拟人类神经系统对信息进行加工、记忆和处理的方式,设计出的一种具有人脑风格的信息处理系统它更侧重于对人脑某些特定功能的模拟,强调大量神经元之间的协同作用通过学习的方法解决问题是人工神经网络的重要特征人工神经网络按其结构不同可分为:前向多层前馈神经网络(BP网)、反馈网络(Hopfield网)、自组织竞争人工神经网络(Kohonen网)、径向基函数网络(RBF网)等,尽管网络的具体类型很多,但其基本类型都是由大量的计算单元(神经元)广泛相互理解而
7、构成的并行处理网络。在材料科学与工程领域,BP网应用的最为成功和广泛,是对映射能力和学习算法研究得最为深入的网络该神经网络具有很强的自组织、自适应、联想记忆与推广能力,对有代表性例子的学习和训练,能够掌握事物的本质特征,可以解决许多问题1.2 模型人工神经网络的模型与算法,一般主要依据网络的准确性、自适应性、收敛性与可推广性等四条。原则进行选择。人工神经网络具有明显的层次结构,它主要由处理单元(神经元)、联接权重、层(输入层、隐层和输出层)、阀值和转移函数组成等。输入层的处理单元将输入值转入相邻的联接权重,隐层和输出层的处理单元将它们的输入值求和并根据转移函数计算输出值;联接权重是将神经网络中
8、的处理单元联系起来,其值是随各处理单元的联接程度而变化;阀值可使网络能更自由地获取所要描述的函数关系,其值可为恒值或可变值;转移函数通常为非线性函数,它是将输入的数据转化为输出的处理单元BP算法是由两部分组成:信息的正向传递与误差的反向传播在正向传播过程中,输入信息从输入经隐含层逐层计算传向输出层,每一层神经元的输出作用于下一层神经元的输入如果在输出层没有得到期望的输出,则计算输出层的误差变化值,然后转向反向传播,通过网络将误差信号沿原来的连接通路反传回来修改各层神经元的权值直至达到期望目标2 人工神经网络在材料科学中的应用在材料科学研究中,有许多问题的基本原理是清楚的,但难以进行科学的处理,
9、无法建立确切的数学模型由于人工神经网络无需预先给定公式的形式,而是以实验数据为基础,经过有限次迭代计算而获得的一个反映实验数据在规律的数学模型,特别适合于研究材料科学中复杂的非线性问题人工神经网络在处理规律不明显、组分变量多的问题方面具有特殊的优越性2.1 在材料设计中的应用在进行材料设计时,必然涉与材料的组分、工艺、组织和性能之间的关系,但这些在的规律是非常复杂的,往往不甚明确,难以建立起一定的数学模型人工神经网络具有强大的自适应、自学习能力,能够从已有的试验数据中获取有关材料的组分、工艺、组织和性能之间的规律7将材料的合金成分与热处理温度作为网络的输入,材料的力学性能作为网络的输出,来建立
10、反映实验数据在规律的数学模型,利用各种优化方法实现材料的设计东北大学的左秀荣等人8利用人工神经网络研究了合金元素Cr、Mo、Mn等对SCM822H齿轮钢力学性能的影响,从而可以得到合金元素合适的加入少量SMalinov等人一。利用多层前馈神经网络分析和预测了钛合金中工艺参数和力学性能的关系网络输入参数为合金成分、热处理参数和加工(实验)温度,输出为拉伸强度、屈服强度、延伸率、截面收缩率、冲击强度、硬度、弹性模量、疲劳强度和断裂韧性等九个重要的力学性能训练好的网络可以预测不同温度下钛合金性能与工艺参数和热处理次数之间的关系,也可以对工艺参数和热处理参数进行优化顾强生等人9训用人工神经网络BP模型
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工 神经网络 材料科学 中的 应用 展望
限制150内