[发明专利]平整机

权利要求书

1.平整机的技术特征是：

本发明利用下述改进的神经网络学习方法和对角矩阵解耦方法相结合的方式，其中控制器中解耦部分对角通道中一支采用PID控制方法，控制器中控制部分对应主通道中采用改进的神经网络方法，控制器中解耦部分对角通道中另一支采用改进的神经网络方法，控制器中控制部分对应主通道中采用PID控制方法，提出了一组平整机改造方法；其中对角矩阵解耦方法和PID控制方法是传统方法，仅对改进的神经网络学习方法加以描述；

所述改进的神经网络学习方法流程按以下方式进行：

(a).置各权值和阀值的初始值w_ij^p(0)，θ_j^p(0)，(p＝1，2...Q)其中p为第若干层，Q表示总层数

(b).输入训练样本(I_q，d_q)，(p＝1，2...M)其中M表示输入输出数量，对每一个样本进行(c)～(e)步

(c).计算网络各层的实际输出x^p＝f(s^p)＝f(w^px^p-1)，式中，f(^*)为激活函数

(d).计算梯度g(k)和梯度改变量Δg[k]

(e).修正权值

其中p[k]是关于w(k)序列、β[k]序列、g[k]序列的函数，如P[k+1]＝β[k+1]P[k]-g[k+1]

(f).当样本集中的所有样本都经历了(c)～(e)步，即完成一个训练周期，计算性能指标，

(g).如果性能指标猫族精度要求，即E≤ε，那么训练结束，否则转到(b)，继续下一个训练周期。ε是小的正数，根据实际情况选取。

2.根据权利要求项1，所述激活函数的技术特征是：

激活函数可采用：三角函数、双极性函数、分段函数、sigmoid函数、基于sigmoid函数的变形函数，等。

3.根据权利要求项1，所述修正权值的技术特征是：

所述修正权值特指在个迭代计算若干次后，将搜索方向重新设置为梯度方向，再按(e)迭代。

4.根据权利要求项1，所述β[k]的技术特征是：

。