共查询到10条相似文献,搜索用时 828 毫秒
1.
基于改进算法BP神经网络的软测量技术 总被引:2,自引:0,他引:2
利用动量法和自适应改变学习率改进BP神经网络算法的基础上,针对网络权值调整时不容易跳出误差平坦区的问题,进一步对神经网络的学习算法进行了改进,引入一个陡度因子.并把改进算法后的BP神经网络在盐酸浓度的软测量中做了仿真实验,实验结果表明陡度因子的引入不但可以提高模型的精度而且也使网络的泛化能力得到了增强. 相似文献
2.
考虑传统动态光散射颗粒粒度分布测量用的反演算法复杂、精度不够、抗噪能力差,本文基于大数据思想,提出了一种动态光散射颗粒分布软测量方法。该方法通过调节颗粒粒度分布形状参数获得大量自相关函数及其对应颗粒分布的数据;使用这些数据对子学习机进行训练。最后,针对训练数据维数较高的特点对传统Bagging算法进行改进,并利用改进的Bagging集成算法集成子学习机以提高软测量模型的精度及泛化能力。通过模拟单峰数据和对300nm标准粒径进行软测量开展了验证实验。结果表明,该方法能够较好地测量出不同动态光散射颗粒分布的峰值及分布宽度,模拟单峰数据测量峰值精度可达1nm,300nm和503nm,标准粒径测量精度分别可达3nm和4nm,优于一般的反演算法。该软测量方法为动态光散射颗粒分布测量开辟了新的途径。 相似文献
3.
4.
基于nu-支持向量机的软测量技术 总被引:1,自引:1,他引:1
利用支持向量机(SVM)来进行软测量建模,首先简要介绍nu-SVM的基本原理,随后利用它来建模重油催化裂化装置.理论分析和仿真研究表明,该方法泛化能力强、对样本的依赖程度低,比基于神经网络的软测量具有更好的性能. 相似文献
5.
基于改进粒子群算法的小波神经网络分类器 总被引:5,自引:3,他引:2
针对传统BP-WNN和基本PSO-WNN算法收敛速度慢和泛化性能低的缺陷,在应用李雅普诺夫理论分析得到单个粒子稳定收敛的参数取值条件基础上,提出一种粒子群改进算法,并利用该算法来训练小波神经网络权值,以此构建一种高效的粒子群小波神经网络分类器。通过Iris标准分类数据集进行测试,结果表明所提出的改进算法与BP-WNN,PSO-WNN等经典算法相比,网络更易于全局收敛,迭代次数少、函数逼近误差小、分类精度高。将该分类器应用于非线性辨识和固井质量评价中,均取得了不错的效果,表明该分类器泛化能力强,具有良好的使用价值和应用前景。 相似文献
6.
7.
基于改进核模糊聚类算法的软测量建模研究 总被引:8,自引:3,他引:8
针对发酵过程软测量建模采用单模型建模方法存在计算量大和精度较差的问题,提出一种基于改进核模糊聚类算法的多模型神经网络软测量建模方法.该方法首先使用主元分析方法对样本数据进行数据处理,所得主元变量作为模型的输入变量,然后使用基于粒子群优化算法的核模糊C均值聚类算法(PSKFCM)对数据集作聚类划分,最后针对每个聚类建立局部神经网络模型,多个局部神经网络模型估计结果的融合即为软测量模型的输出.将所提建模方法应用于红霉素发酵过程生物量浓度软测量建模,结果表明所建软测量模型具有较高的精度和良好的泛化能力. 相似文献
8.
本文在利用动量法和自适应改变学习率改进BP神经网络算法的基础上,针对网络权值调整时不容易跳出误差平坦区的问题,进一步对神经网络的学习算法进行了改进,引入一个陡度因子.并与主元分析相结合,形成了PCA-改进算法的BP神经网络.通过在塑料缠绕过程塑料张力预测中的仿真实验结果表明PCA-改进算法后的BP神经网络不但可以提高模型的精度而且也使网络的泛化能力得到了增强. 相似文献
9.
基于聚类的超闭球CMAC混煤燃烧污染物析出软测量模型 总被引:3,自引:2,他引:1
针对CMAC神经网络的网络节点随输入维数的增大呈几何级数增加的问题,基于模糊聚类提出一种改进的超闭球CMAC神经网络算法,用于电站锅炉混煤燃烧污染物析出软测量模型的建立.以电站锅炉实际运行工况的煤质特性数据和炉内燃烧条件为输入参数,通过软测量实现大型电站锅炉混煤燃烧硫、氮污染物生成浓度的精确预估和在线测量,用于指导电厂运行人员进行锅炉燃烧调整,以控制污染物的超标排放.与超闭球CMAC算法比较,提出的改进算法可以大大降低高维神经网络节点数并提高神经网络软测量精度,实验结果表明该方法的有效性和可行性. 相似文献