典型文献
改进深度神经网络的产品制造周期预测
文献摘要：
针对产品生产制造过程中由于不确定因素导致完工期延误的问题,在考虑高数据维度、广特征空间分布的情况下,提出一种改进深度神经网络的产品生产制造周期预测方法.该算法采用栈式自编码器预训练神经网络的权重和偏置并完成特征提取过程,采用预训练参数初始化深度神经网络进行生产制造预测.为避免模型过拟合,加入L2正则化和dropout.以某制造业某季度产品生产制造数据为例,验证了该预测模型的有效性.与其他预测模型相比,栈式自编码—深度神经网络模型具有较高的预测精度.
文献关键词：
栈式自编码—深度神经网络;不确定因素;制造周期;预测模型
中图分类号：
作者姓名：
杨丁;董宝力;陈依玲
作者机构：
浙江理工大学机械与自动控制学院,浙江杭州310018
文献出处：
引用格式：
[1]杨丁;董宝力;陈依玲-.改进深度神经网络的产品制造周期预测)[J].软件导刊,2022(02):8-12
A类：
B类：
进深,产品制造,制造周期,周期预测,产品生产,生产制造,制造过程,不确定因素,完工,工期延误,数据维度,特征空间,栈式自编码器,预训练,偏置,参数初始化,过拟合,L2,正则化,dropout,深度神经网络模型
AB值：
0.344766
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
