科技广场
科技廣場
과기엄장
SCIENCE TECHNOLOGY PLAZA
2009年
11期
36-38
,共3页
神经网络%预测模型%选矿指标%BP算法%TD法
神經網絡%預測模型%選礦指標%BP算法%TD法
신경망락%예측모형%선광지표%BP산법%TD법
本文基于Jordan神经网络构造了多因素输入和精矿品位动态时间序列反馈的浮选生产指标预测模型,运用BP算法和TD法相结合的网络学习算法,应用结果表明,该模型预测命中率和预测精度较高、误差小,且具有较强的抗干扰能力和稳定性,具有一定的实用价值,应用是成功的.
本文基于Jordan神經網絡構造瞭多因素輸入和精礦品位動態時間序列反饋的浮選生產指標預測模型,運用BP算法和TD法相結閤的網絡學習算法,應用結果錶明,該模型預測命中率和預測精度較高、誤差小,且具有較彊的抗榦擾能力和穩定性,具有一定的實用價值,應用是成功的.
본문기우Jordan신경망락구조료다인소수입화정광품위동태시간서렬반궤적부선생산지표예측모형,운용BP산법화TD법상결합적망락학습산법,응용결과표명,해모형예측명중솔화예측정도교고、오차소,차구유교강적항간우능력화은정성,구유일정적실용개치,응용시성공적.
