系统仿真学报
繫統倣真學報
계통방진학보
JOURNAL OF SYSTEM SIMULATION
2007年
23期
5587-5590
,共4页
常玉清%李玉朝%王福利%吕哲
常玉清%李玉朝%王福利%呂哲
상옥청%리옥조%왕복리%려철
极限学习机%软测量%建模%菌体浓度
極限學習機%軟測量%建模%菌體濃度
겁한학습궤%연측량%건모%균체농도
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.针对不同类样本数不相同的问题,提出了处理方法,使得可以利用相同的隐层神经元对不同类的学习样本进行拟合,这使得网络的隐层神经元数目大大降低,从而简化了模型的结构,提高了神经网络的计算速度.将这一方法应用于诺西肽发酵过程,建立了菌体浓度的软测量模型,实现了菌体浓度的在线预估.
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.針對不同類樣本數不相同的問題,提齣瞭處理方法,使得可以利用相同的隱層神經元對不同類的學習樣本進行擬閤,這使得網絡的隱層神經元數目大大降低,從而簡化瞭模型的結構,提高瞭神經網絡的計算速度.將這一方法應用于諾西肽髮酵過程,建立瞭菌體濃度的軟測量模型,實現瞭菌體濃度的在線預估.
침대겁한학습궤방법은층신경원수목과다적결함,제출일충개진적겁한학습궤방법.재단은층전향신경망락적은층중,증가일류분류신경원,종이형성료일충신적단은층신경망락결구.침대불동류양본수불상동적문제,제출료처리방법,사득가이이용상동적은층신경원대불동류적학습양본진행의합,저사득망락적은층신경원수목대대강저,종이간화료모형적결구,제고료신경망락적계산속도.장저일방법응용우낙서태발효과정,건립료균체농도적연측량모형,실현료균체농도적재선예고.
