改进深度神经网络的产品制造周期预测

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。