龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：华中科技大学
摘要：本发明属于喷墨打印技术领域，具体公开一种喷印墨滴落点误差预测方法，包括：初始化LSTM神经网络，采用改进双粒子群优化算法对该网络参数进行优化，主粒子群负责整体性搜索，辅助粒子群负责多样性搜索；采用Tent混沌映射进行初始化粒子群和局部搜索，提高了粒子搜索的多样性与遍历性；采用自适应参数调整适应策略，加强了算法的整体与局部寻优能力；采用Levy飞行进行粒子扰动，保持了粒子的多样性，使粒子群沿更好的方向进化；建立LSTM神经网络预测模型，使用建立的网络预测模型进行喷印墨滴落点误差的间接测量。本发明相比现有试打印法，缩短了打印周期，避免了试打印造成的墨水消耗，适用于利用喷墨印刷方式制造高分辨率显示器、电子元器件等应用场合。
主权项：1.一种用于喷印墨滴落点误差预测的LSTM神经网络模型构建方法，其特征在于，包括：确定LSTM神经网络模型的网络结构，采用改进双粒子群优化算法优化所述网络结构的超参数，对超参数优化后的网络结构采用训练样本集训练，得到用于喷印墨滴落点误差预测的LSTM神经网络模型；所述超参数的优化方式为：S1、设置并初始化主粒子群和辅助粒子群，包括初始化各粒子的初始速度、初始位置，每个粒子代表所述网络结构的超参数集合；设置适应度函数，并计算每个粒子的适应度值以确定初始的全局最优解；S2、基于当前的全局最优解，在设定的空间搜索范围内第t次迭代更新每个粒子的速度及位置，其中，对主粒子群进行全局搜索，对辅助粒子群进行多样性搜索；并对更新后的每个粒子位置利用Levy飞行步长扰动，将扰动前后适应度值最佳的粒子位置作为该粒子的最终粒子位置；基于每个粒子的最终粒子位置，计算每个粒子的适应度值，以得到粒子群全局最优解；对该全局最优解进行混沌局部搜索，得到迭代t次后全局最优解；S3、更新t＝t+1，重复执行S2，直至达到优化迭代目标，将最后的全局最优解作为优化后的所述网络结构的超参数集合；其中，所述适应度函数是通过网络模型的预测精度指标表征，该模型为粒子对应的网络结构经过训练样本集训练后得到，每个样本包括作为模型输入的墨滴飞行特征数据及其对应的作为模型输出的墨滴落点误差数据。
全文数据：
权利要求：
百度查询： 华中科技大学 一种喷印墨滴落点误差预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号