计量学报
計量學報
계량학보
ACTA METROLOGICA SINICA
2009年
4期
324-327
,共4页
潘孝礼%肖冬%常玉清%王福利%毛志忠
潘孝禮%肖鼕%常玉清%王福利%毛誌忠
반효례%초동%상옥청%왕복리%모지충
计量学%极限学习机%软测量%建模%轧制导盘转速
計量學%極限學習機%軟測量%建模%軋製導盤轉速
계량학%겁한학습궤%연측량%건모%알제도반전속
针对极限学习机方法隐层神经元数目过多的缺陷,提出一种改进的极限学习机方法.在单隐层前向神经网络的隐层中增加一类分类神经元,从而形成了一种新的单隐层神经网络结构.利用分类神经元将学习样本进行分类,针对不同类样本,利用相同的隐层神经元分别计算隐层输出矩阵,进而获得输出连接权值,使得隐层神经元数目大大降低.隐层神经元数据的降低提高了神经网络的计算速度,为其在软测量建模技术中的应用提供了有效的途径.将这一方法应用于导盘轧制过程中,建立了导盘转速的软测量模型,实现了导盘转速的在线预估.
針對極限學習機方法隱層神經元數目過多的缺陷,提齣一種改進的極限學習機方法.在單隱層前嚮神經網絡的隱層中增加一類分類神經元,從而形成瞭一種新的單隱層神經網絡結構.利用分類神經元將學習樣本進行分類,針對不同類樣本,利用相同的隱層神經元分彆計算隱層輸齣矩陣,進而穫得輸齣連接權值,使得隱層神經元數目大大降低.隱層神經元數據的降低提高瞭神經網絡的計算速度,為其在軟測量建模技術中的應用提供瞭有效的途徑.將這一方法應用于導盤軋製過程中,建立瞭導盤轉速的軟測量模型,實現瞭導盤轉速的在線預估.
침대겁한학습궤방법은층신경원수목과다적결함,제출일충개진적겁한학습궤방법.재단은층전향신경망락적은층중증가일류분류신경원,종이형성료일충신적단은층신경망락결구.이용분류신경원장학습양본진행분류,침대불동류양본,이용상동적은층신경원분별계산은층수출구진,진이획득수출련접권치,사득은층신경원수목대대강저.은층신경원수거적강저제고료신경망락적계산속도,위기재연측량건모기술중적응용제공료유효적도경.장저일방법응용우도반알제과정중,건립료도반전속적연측량모형,실현료도반전속적재선예고.
