典型文献
基于改进降噪自编码器半监督学习模型的热轧带钢水梁印识别算法
文献摘要：
针对水梁印识别困难且工作量大问题,提出一种基于改进降噪自编码器半监督学习模型的热轧带钢水梁印识别算法.该算法在降噪自编码器(Denoising auto-encoder,DAE)的基础上对编码层的每一层添加随机噪声,在隐藏层后添加分类层,并对数据添加伪标签,在解码的同时进行分类训练,使得DAE具有半监督学习能力.通过提取热轧带钢粗轧出口温度数据中的温差特征,用相应特征对模型进行训练.实验结果表明,算法能够准确识别出带钢的水梁印,在模型精确度上,与主流分类识别模型对比,提出的模型在带标签样本数量较小时,分类精度相比其他模型高5.0％～10.0％;在带标签样本数量较大时,提出的模型分类精度达到93.8％,现场能够根据模型的识别结果提高生产效率.
文献关键词：
热轧带钢;降噪自编码器;半监督学习;水梁印;加热炉
中图分类号：
作者姓名：
陈兆宇;荆丰伟;李杰;郭强
作者机构：
北京科技大学高效轧制与智能制造国家工程研究中心,北京 100083
文献出处：
引用格式：
[1]陈兆宇;荆丰伟;李杰;郭强-.基于改进降噪自编码器半监督学习模型的热轧带钢水梁印识别算法)[J].工程科学学报,2022(08):1338-1348
A类：
水梁印
B类：
降噪自编码器,半监督学习,热轧带钢,钢水,识别算法,Denoising,auto,encoder,DAE,编码层,随机噪声,加分,伪标签,解码,分类训练,粗轧,出口温度,温度数据,准确识别,出带,流分类,分类识别模型,模型对比,样本数量,分类精度,模型分类,加热炉
AB值：
0.223344
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。
