資源描述：
《紡織學(xué)報論文模板.doc》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、批注［fl］:小二黑體,居中.3倍行距批注［f2k四號楷體，居中,單倍行距批注冋:小五號宋體,居中，單倍行距批注㈣:摘要寫作方法:請用第-人稱的語氣陳述該文研究FI的（即為了……，或者針対……問懸，）、過程、方法（即采用的手段和方法）、結(jié)果和結(jié)論（即研究得出的結(jié)論）,重點是結(jié)果和結(jié)論，背景信息、基本槪念及對文章的自我評價不應(yīng)出現(xiàn)在摘要中，要達(dá)到只看摘要而不必看文章就可理解全文主要內(nèi)容的程度:摘要字?jǐn)?shù)應(yīng)控制在200?300寧，英文要與中文相對應(yīng)。批注［f5］:小四TimesNewRonic,3倍行距批注［F6］:小五，居中毛精紡前紡工藝參數(shù)重要性的BP網(wǎng)絡(luò)定量評價法
2、］___削貴-于偉東詰（1?
3、東華大學(xué)紡織材料打技術(shù)實驗電上海201620;武漢科技學(xué)院紡織與材料學(xué)院，湖北武漢430073］爾團(tuán)?小五黑體）在BP神經(jīng)網(wǎng)絡(luò)建模技術(shù)的卑礎(chǔ)上,提出利川神經(jīng)網(wǎng)絡(luò)輸入層與輸出層之間的網(wǎng)絡(luò)權(quán)值及其分布來求各輸入?yún)?shù)匝姿程度的方法。將采集到的毛精紡企業(yè)前紡二1?藝參數(shù)運用BP神經(jīng)網(wǎng)絡(luò)分別建立了淚【紗0’值和粗紗單重的預(yù)測模型。結(jié)果表明：所建模型的平均相對謀差都低于3%；采用樣本數(shù)據(jù)驗證，其預(yù)報值與實測值間的II咲系數(shù)都高于0.95。對所建模型的網(wǎng)絡(luò)權(quán)車進(jìn)行提収，分別計算出13個輸入?yún)?shù)對制紗G'值利粗紗單匝的匝要性，挖掘出顯著而冇效的參如經(jīng)
4、對比認(rèn)為.BP網(wǎng)絡(luò)法比多?；貧w顯著性分析（MRSA）更為粘準(zhǔn)，可用于對實際生產(chǎn)加工的預(yù)報和控制。（小五來體）關(guān)鍵詞（小五黑體）毛精紡：前紡工藝參數(shù):模型:BP神經(jīng)網(wǎng)絡(luò):定量評價法（小A宋體）中圖分類號（小五黑體）：TS131.9（小方宋體）文獻(xiàn)標(biāo)志碼（小五黑體〉：iQuantitativcevaluationmethodforthesignificanceofworstedfore-spinningparametersbasedonBPneuralnetwork
5、LIUGui1,YUWeidong12（五號）
6、（1.TextileMaterialsandTcchn
7、ologyDiboratoryDonghuaUniversity,Shanghai201620,China;2.DcpartnwntofTextilesandMaterials,WuhanUniversityofScienceandEnginccring,Wuhan,Hubei430073,China）AbstractBasedonBPneuralnetworkmodeltechnology,anewapproachwasdevelopedandappliedtoappraisetheinputparameters'significantdegreethrough
8、thewcightincssanditsdistributionbetweentheinputandoutputlayer.Usingcheforc-spinningworkingproceduredatagatheredfronithcworstcdtextilesenterprise,【herovingunevennessandwcighlpredictionmodelswereestablishedrespectively.Theresultsindicatedlhalthemodels'meanrelativeerrorsareallless[han3%;
9、thecorrelationcoefficicntR2bctwcen【hepredictionvalueandtheactualarcallmorelhan0-95?Using（hewcightincssextractedfronilheestablishedmodels,lhe13inputparameters'significanceto（herovingunevennessandweightwerecalculatedrespectively,andlheremarkableandeffectiveparametersarcexcavatedout.Mean
10、whilecontrastingtolhemultivariateregressionsignificanceanalysis（MRSA）,theBPneuralnetworkmethodismoreexactthanMRSAandcanbeusedintheforecastandcontroloftheactualproduceandmanufacture（小Jl）KeywordsDoubleglow;Artificialneuralnetwork;Prediccionmodel（小五）請選擇A4紙型，上、下頁邊距為2.5cm,左、右頁邊距為2.0cm,1.0倍
11、行距「正文
