[发明专利]一种具有增量式学习能力的墨键开度预测方法

摘要

本发明是数字化印刷油墨预置的方法，提出了一种基于Fuzzy ART神经网络和BP神经网络的Fuzzy ART-BP混合神经网络算法的墨键开度值预测方法。该网络充分利用Fuzzy ART神经网络的自学习、自组织和对信息模糊化处理能力将输入向量产生稳定的分类，针对每个分类利用BP神经网络对训练样本的输入和输出向量进行非线性映射，即以印刷现场温度、湿度和印刷机转速以及墨区对应的网点面积率为输入向量，以墨键开度值作为输出向量，建立训练样本的图文数字信息与墨键控制参数间的映射关系，用收敛的网络来预测新样本的墨键开度值。该网络学习的针对性更强，减少BP网络的迭代次数，同时使网络具有增量式学习的能力，提高了网络的泛化性。

主权项

一种具有增量式学习能力的墨键开度预测方法，包括以下步骤：1)以实地密度即均匀且无空白地印刷出来的表面颜色密度符合国标印刷标准的印张为训练样本，针对四色CMYK，即青色Cyan、品红色Magenta、黄色Yellow和黑色Black，分别建立相应的Fuzzy ART‑BP混合神经网络；2)将印刷条件，即现场温度、现场湿度、印刷机转速以及20‑30个墨区的网点面积率归一化处理后作为Fuzzy ART‑BP混合神经网络输入层输入数据；墨键开度归一化处理后作为Fuzzy ART‑BP混合神经网络输出层输入数据；输入层输入数据经过Fuzzy ART自适应聚类，并保存类的权值至数据库，然后针对聚类后的某类数据建立BP神经网络，调节合适BP神经网络的隐含层节点数，设定为21‑35；运用输入层、隐含层和输出层3层BP神经网络算法程序训练模块对训练样本有导师训练学习，当BP神经网络的收敛误差小于10e‑4时，BP神经网络最终收敛，保存BP神经网络算法非线性映射的权值和阈值至数据库；3)对于未训练样本可以将印张的网点面积率和印刷条件，即现场温度、现场湿度和印刷机转速，输给Fuzzy ART‑BP混合神经网络算法的预测模块，Fuzzy ART‑BP混合神经网络算法程序利用已存储的权值和阈值对输入的现场温度、现场湿度、印刷机转速和网点面积率进行预测计算，从而预测出未训练样本的网点面积率对应的墨键开度；墨键开度预测值通过网络或者存储媒介传送到印刷机控制台，控制台接收数据并自动控制相应的墨键供墨到印刷机完成印刷。