声明
摘要
1.1研究背景及意义
1.2国内外研究现状
1.2.1钢材力学性能预报研究现状
1.2.2深度学习研究现状
1.3研究内容及技术路线
第2章深度前馈神经网络和卷积神经网络的结构及算法
2.1深度前馈神经网络
2.1.1基本结构
2.1.2反向传播算法
2.2卷积神经网络
2.2.1基本结构
2.2.2工作原理
2.3本章小结
第3章基于深度前馈神经网络的热轧带钢性能预报
3.1热轧带钢力学性能影响因素筛选
3.1.1运用冶金机理筛选影响因素
3.1.2运用热力学模型计算碳氮化物析出
3.2数据获取与处理
3.3实验平台搭建
3.4模型结构定义
3.4.1模型层数
3.4.2模型隐藏层神经元数目
3.4.3隐藏层的非线性激活函数
3.4.4优化算法
3.5实验结果分析
3.6对比浅层神经网络模型
3.7本章小结
第4章基于卷积神经网络的热轧带钢性能预报
4.1一维数值型数据转换成多维图像数据
4.2 LeNet-5卷积神经网络模型
4.2.1模型结构和参数解析
4.2.2模型实验结果分析
4.3融合GoogLeNet和LeNet-5的卷积神经网络模型
4.3.1 GoogLeNet模型结构解析
4.3.2 GoogLeNet模型实验结果分析
4.3.3卷积神经网络结构的改进
4.3.4实验结果对比分析
4.4本章小结
5.1全文总结
5.2特色与创新点
5.3不足与展望
致谢
参考文献
附录