專利名稱：一種具有增量式學(xué)習(xí)能力的墨鍵開度預(yù)測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字印刷領(lǐng)域，具體涉及一種具有增量式學(xué)習(xí)能力的墨鍵開度預(yù)測(cè)方法。
背景技術(shù)：
隨著印前領(lǐng)域中數(shù)字文件使用的增多，數(shù)字流程越來越多地應(yīng)用于印刷工藝，數(shù)字流程在CTP (計(jì)算機(jī)直接制版)技術(shù)中的作用越來越重要。同時(shí)印刷企業(yè)面臨的短板、復(fù)雜和快速的印刷生產(chǎn)活越來越多，這樣也對(duì)印刷企業(yè)提出了更高的要求。對(duì)印刷企業(yè)來說，縮短印刷準(zhǔn)備時(shí)間的一個(gè)有效辦法就是對(duì)油墨進(jìn)行預(yù)先設(shè)置。預(yù)先估計(jì)墨槽最佳出墨量并進(jìn)行墨鍵預(yù)置，可以節(jié)約很多印刷機(jī)的開機(jī)準(zhǔn)備時(shí)間、降低生產(chǎn)成本、提高印刷質(zhì)量和效率，還可以顯著降低紙張的浪費(fèi)。 印刷機(jī)控制油墨用量的方法實(shí)際上是把印版上可印刷的部分在垂直長(zhǎng)邊的方向分成很多個(gè)狹長(zhǎng)的區(qū)域-墨區(qū)或墨道，每個(gè)墨區(qū)的墨量是可以根據(jù)印版上此墨區(qū)面積內(nèi)圖文部分所占的面積百分比-網(wǎng)點(diǎn)面積率的多少進(jìn)行精確調(diào)節(jié)的，圖文部分的面積百分比越高，則需要的墨量越多。油墨預(yù)置就是在開始印刷前根據(jù)膠片、印版或其他載體得到各墨區(qū)內(nèi)的網(wǎng)點(diǎn)面積率等信息，并建立網(wǎng)點(diǎn)面積率與墨鍵開度之間的函數(shù)關(guān)系，進(jìn)而初步設(shè)定印刷機(jī)上各墨區(qū)的上墨量。油墨預(yù)置技術(shù)是數(shù)字化技術(shù)進(jìn)入印刷生產(chǎn)環(huán)節(jié)的代表性技術(shù)，是數(shù)字化印刷工作流程中重要的關(guān)鍵技術(shù)之一，對(duì)印刷質(zhì)量和印刷效率起著決定性的作用。傳統(tǒng)的基于BP神經(jīng)網(wǎng)絡(luò)算法的油墨預(yù)置技術(shù)不具備對(duì)訓(xùn)練樣本數(shù)據(jù)的增量學(xué)習(xí)能力(在線學(xué)習(xí))，而且泛化能力弱，對(duì)新樣本數(shù)據(jù)訓(xùn)練學(xué)習(xí)時(shí)會(huì)破壞網(wǎng)絡(luò)已經(jīng)記憶的模式，導(dǎo)致網(wǎng)絡(luò)的墨鍵開度預(yù)測(cè)結(jié)果不夠準(zhǔn)確。為解決該問題本文使用Fuzzy ART (模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò))和BP (Back Propagation)神經(jīng)網(wǎng)絡(luò)，將兩種神經(jīng)網(wǎng)絡(luò)進(jìn)行綜合應(yīng)用形成一種具有增量式學(xué)習(xí)能力的Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)。然而,基于Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)算法的油墨預(yù)置技術(shù)可以有效地節(jié)省了印刷機(jī)開機(jī)的調(diào)整時(shí)間，減少開機(jī)準(zhǔn)備的紙張、油墨浪費(fèi)，同時(shí)降低了印刷操作人員的勞動(dòng)強(qiáng)度，克服了印刷操作人員單憑經(jīng)驗(yàn)來調(diào)控墨量帶來的弊端和BP神經(jīng)網(wǎng)絡(luò)對(duì)新樣本數(shù)據(jù)學(xué)習(xí)訓(xùn)練時(shí)不能實(shí)現(xiàn)增量式學(xué)習(xí)的弊端，提高了油墨預(yù)置技術(shù)的預(yù)測(cè)精度。

發(fā)明內(nèi)容
本發(fā)明涉及一種具有增量式學(xué)習(xí)能力的墨鍵開度預(yù)測(cè)方法。國(guó)內(nèi)印刷業(yè)為了進(jìn)一步提高印刷質(zhì)量和生產(chǎn)效率，一些企業(yè)相繼引進(jìn)了國(guó)外各種油墨預(yù)置系統(tǒng)，在開機(jī)前預(yù)先調(diào)整印刷機(jī)的墨鍵，但油墨預(yù)置系統(tǒng)在實(shí)際應(yīng)用中卻不盡人意，沒有考慮到墨鍵間相互影響、印刷條件的影響，同時(shí)不能對(duì)新樣本數(shù)據(jù)的學(xué)習(xí)訓(xùn)練實(shí)現(xiàn)增量式學(xué)習(xí)，致使沒有達(dá)到預(yù)期的使用效果。本發(fā)明所述的方法是以實(shí)地密度(均勻且無空白地印刷出來的表面顏色密度)符合國(guó)標(biāo)印刷標(biāo)準(zhǔn)的印張為訓(xùn)練樣本，運(yùn)用Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練樣本進(jìn)行有導(dǎo)師訓(xùn)練及對(duì)未訓(xùn)練和訓(xùn)練的樣本進(jìn)行墨鍵開度預(yù)測(cè)，其中BP神經(jīng)網(wǎng)絡(luò)選用3層(輸入層、隱含層和輸出層)。首先將客戶的原稿數(shù)字化，即得到完整的版面數(shù)據(jù)信息，然后通過RIP (光柵圖像處理器)光柵化處理后產(chǎn)生點(diǎn)陣信息，并將產(chǎn)生的點(diǎn)陣信息通過軟件轉(zhuǎn)化產(chǎn)生低分辨率的版面信息，即網(wǎng)點(diǎn)面積率。以印刷現(xiàn)場(chǎng)條件(包括現(xiàn)場(chǎng)溫度、現(xiàn)場(chǎng)濕度、印刷機(jī)轉(zhuǎn)速)與墨區(qū)對(duì)應(yīng)的網(wǎng)點(diǎn)面積率作為Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)的輸入原始數(shù)據(jù)，并對(duì)輸入原始數(shù)據(jù)進(jìn)行[O，I]歸一化后送至Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)的輸入層，以訓(xùn)練樣本對(duì)應(yīng)的墨鍵開度作為Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)的輸出層原始數(shù)據(jù)，同時(shí)也對(duì)輸出原始數(shù)據(jù)進(jìn)行[O，I]歸一化處理后送至Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)的輸出層，其中BP神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)設(shè)定在21-35，根據(jù)訓(xùn)練結(jié)果進(jìn)行最優(yōu)調(diào)整，最終選取隱含層節(jié)點(diǎn)數(shù)23。調(diào)用Fuzzy ART-BP算法程序?qū)细駥?shí)際印張訓(xùn)練學(xué)習(xí)，從而建立了印張圖文數(shù)字信息和印刷條件(現(xiàn)場(chǎng)溫度、現(xiàn)場(chǎng)濕度、印刷機(jī)轉(zhuǎn)速)與墨鍵開度的非線性映射關(guān)系，F(xiàn)uzzyART神經(jīng)網(wǎng)絡(luò)首先對(duì)印張圖文數(shù)字信息和印刷條件進(jìn)行自適應(yīng)聚類操作，針對(duì)分類后的數(shù) 據(jù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)，當(dāng)BP神經(jīng)網(wǎng)絡(luò)收斂誤差小于lOe-4時(shí)，BP神經(jīng)網(wǎng)絡(luò)最終收斂，保存非線性映射的權(quán)值和閾值，以及Fuzzy ART神經(jīng)網(wǎng)絡(luò)的權(quán)值至數(shù)據(jù)庫。如果當(dāng)BP神經(jīng)網(wǎng)絡(luò)的收斂誤差不小于lOe-4時(shí)，繼續(xù)對(duì)訓(xùn)練樣本對(duì)迭代計(jì)算，直至收斂誤差小于lOe-4。用訓(xùn)練好的Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)來預(yù)測(cè)未訓(xùn)練樣本，墨鍵開度預(yù)測(cè)值通過網(wǎng)絡(luò)或者存儲(chǔ)媒介傳送到印刷機(jī)的實(shí)時(shí)數(shù)據(jù)庫中，進(jìn)而由控制臺(tái)控制印刷機(jī)印刷。該方法可有效縮短開機(jī)準(zhǔn)備時(shí)間，提高印刷效率和質(zhì)量，實(shí)現(xiàn)對(duì)新樣本數(shù)據(jù)進(jìn)行增量式的學(xué)習(xí)。Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)算法進(jìn)行訓(xùn)練時(shí)是采用的有導(dǎo)師學(xué)習(xí)方式，其主要思想是輸入學(xué)習(xí)的樣本向量，首先經(jīng)過Fuzzy ART神經(jīng)網(wǎng)絡(luò)進(jìn)行自適應(yīng)競(jìng)爭(zhēng)聚類，修改輸入向量所屬類別的權(quán)值，然后就輸入向量所屬類別使用反向傳播算法BP對(duì)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行反復(fù)的調(diào)整訓(xùn)練，使得實(shí)際輸出的向量與期望輸出向量盡可能地接近，當(dāng)網(wǎng)絡(luò)輸出層的誤差平方和小于指定的誤差時(shí)訓(xùn)練完成，保存此時(shí)網(wǎng)絡(luò)的權(quán)值和閾值，F(xiàn)uzzyART-BP混合神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)結(jié)束。為了更好地使用基于Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)算法的數(shù)字化油墨預(yù)置技術(shù)，本文給出了 Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)算法詳細(xì)的步驟，具體介紹如下(I)參數(shù)介紹Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)的輸入向量P= (&1，a2，…an)T，20彡η彡30 ;即墨區(qū)的網(wǎng)點(diǎn)面積率、現(xiàn)場(chǎng)溫度、現(xiàn)場(chǎng)濕度和印刷機(jī)轉(zhuǎn)速歸一化的數(shù)據(jù)。Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)期望輸出向量T= (S1, s2, wsq)T,q=n-3 ;即墨鍵開度歸一化的數(shù)據(jù)；隱含層單兀輸入向量S=(s1; s2,…sp)T,p取21-35 ;輸出向量B=Od1, b2,…bp)T,p取21-35。輸出層單兀輸入向量L=G1, I2,…1<j)t，q=n-3 ;實(shí)際輸出向量CKc1, C2,q=n-3o
wI2 …輸入層至隱含層的連接權(quán)Wiljl,Wm= , , :1 ,
W , W . · * · W
ni 2np
il=l, 2,…，p, jl=l, 2,…，η。 隱含層至輸出層的連接權(quán)
權(quán)利要求
1.一種具有增量式學(xué)習(xí)能力的墨鍵開度預(yù)測(cè)方法，包括以下步驟 1)以實(shí)地密度即均勻且無空白地印刷出來的表面顏色密度符合國(guó)標(biāo)印刷標(biāo)準(zhǔn)的印張為訓(xùn)練樣本，針對(duì)四色CMYK,即青色Cyan、品紅色Magenta、黃色Yellow和黑色Black,分別建立相應(yīng)的Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)； 2)將印刷條件，即現(xiàn)場(chǎng)溫度、現(xiàn)場(chǎng)濕度、印刷機(jī)轉(zhuǎn)速以及20-30個(gè)墨區(qū)的網(wǎng)點(diǎn)面積率歸一化處理后作為Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)輸入層輸入數(shù)據(jù)；墨鍵開度歸一化處理后作為Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)輸出層輸入數(shù)據(jù)；輸入層輸入數(shù)據(jù)經(jīng)過Fuzzy ART自適應(yīng)聚類，并保存類的權(quán)值至數(shù)據(jù)庫，然后針對(duì)聚類后的某類數(shù)據(jù)建立BP神經(jīng)網(wǎng)絡(luò)，調(diào)節(jié)合適BP神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)，設(shè)定為21-35 ;運(yùn)用輸入層、隱含層和輸出層3層BP神經(jīng)網(wǎng)絡(luò)算法程序訓(xùn)練模塊對(duì)訓(xùn)練樣本有導(dǎo)師訓(xùn)練學(xué)習(xí)，當(dāng)BP神經(jīng)網(wǎng)絡(luò)的收斂誤差小于lOe-4時(shí)，BP神經(jīng)網(wǎng)絡(luò)最終收斂，保存BP神經(jīng)網(wǎng)絡(luò)算法非線性映射的權(quán)值和閾值至數(shù)據(jù)庫； 3)對(duì)于未訓(xùn)練樣本可以將印張的網(wǎng)點(diǎn)面積率和印刷條件，即現(xiàn)場(chǎng)溫度、現(xiàn)場(chǎng)濕度和印刷機(jī)轉(zhuǎn)速，輸給Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)算法的預(yù)測(cè)模塊，F(xiàn)uzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)算法程序利用已存儲(chǔ)的權(quán)值和閾值對(duì)輸入的現(xiàn)場(chǎng)溫度、現(xiàn)場(chǎng)濕度、印刷機(jī)轉(zhuǎn)速和網(wǎng)點(diǎn)面積率進(jìn)行預(yù)測(cè)計(jì)算，從而預(yù)測(cè)出未訓(xùn)練樣本的網(wǎng)點(diǎn)面積率對(duì)應(yīng)的墨鍵開度；墨鍵開度預(yù)測(cè)值通過網(wǎng)絡(luò)或者存儲(chǔ)媒介傳送到印刷機(jī)控制臺(tái)，控制臺(tái)接收數(shù)據(jù)并自動(dòng)控制相應(yīng)的墨鍵供墨到印刷機(jī)完成印刷。
全文摘要
本發(fā)明是數(shù)字化印刷油墨預(yù)置的方法，提出了一種基于Fuzzy ART神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)的Fuzzy ART-BP混合神經(jīng)網(wǎng)絡(luò)算法的墨鍵開度值預(yù)測(cè)方法。該網(wǎng)絡(luò)充分利用Fuzzy ART神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自組織和對(duì)信息模糊化處理能力將輸入向量產(chǎn)生穩(wěn)定的分類，針對(duì)每個(gè)分類利用BP神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練樣本的輸入和輸出向量進(jìn)行非線性映射，即以印刷現(xiàn)場(chǎng)溫度、濕度和印刷機(jī)轉(zhuǎn)速以及墨區(qū)對(duì)應(yīng)的網(wǎng)點(diǎn)面積率為輸入向量，以墨鍵開度值作為輸出向量，建立訓(xùn)練樣本的圖文數(shù)字信息與墨鍵控制參數(shù)間的映射關(guān)系，用收斂的網(wǎng)絡(luò)來預(yù)測(cè)新樣本的墨鍵開度值。該網(wǎng)絡(luò)學(xué)習(xí)的針對(duì)性更強(qiáng)，減少BP網(wǎng)絡(luò)的迭代次數(shù)，同時(shí)使網(wǎng)絡(luò)具有增量式學(xué)習(xí)的能力，提高了網(wǎng)絡(luò)的泛化性。
文檔編號(hào)G06N3/08GK102779287SQ20121016459
公開日2012年11月14日 申請(qǐng)日期2012年5月24日 優(yōu)先權(quán)日2012年5月24日
發(fā)明者昝濤, 王敏杰, 王民 申請(qǐng)人:北京工業(yè)大學(xué)