西安交通大学学报
西安交通大學學報
서안교통대학학보
JOURNAL OF XI'AN JIAOTONG UNIVERSITY
2014年
2期
32-37
,共6页
单隐含层前馈神经网络%限定记忆极限学习机%数据饱和%在线逆建模%过热汽温
單隱含層前饋神經網絡%限定記憶極限學習機%數據飽和%在線逆建模%過熱汽溫
단은함층전궤신경망락%한정기억겁한학습궤%수거포화%재선역건모%과열기온
single-hidden layer feed forward neural network%restricted memory extreme learning machine%data saturation%inverse modeling online%superheated steam temperature
针对常规极限学习机随着学习次数增加增益矩阵慢慢趋于零、学习算法逐渐失去修正能力而出现“数据饱和”的问题,提出了限定记忆极限学习机算法.该算法在学习过程中每增加一个新数据信息,就去掉一个旧数据信息,权值的学习只依赖于限定个数的最新数据信息,从而避免出现“数据饱和”.通过分析隐含层数据矩阵的特点,利用分决矩阵计算方法推导了限定记忆极限学习机在线学习算法.将该算法应用于参数时变的过热汽温对象逆模型的辨识,仿真实验结果表明:该算法能有效克服“数据饱和”问题,提高计算精度,是一种实用有效的过热汽温对象逆建模算法.
針對常規極限學習機隨著學習次數增加增益矩陣慢慢趨于零、學習算法逐漸失去脩正能力而齣現“數據飽和”的問題,提齣瞭限定記憶極限學習機算法.該算法在學習過程中每增加一箇新數據信息,就去掉一箇舊數據信息,權值的學習隻依賴于限定箇數的最新數據信息,從而避免齣現“數據飽和”.通過分析隱含層數據矩陣的特點,利用分決矩陣計算方法推導瞭限定記憶極限學習機在線學習算法.將該算法應用于參數時變的過熱汽溫對象逆模型的辨識,倣真實驗結果錶明:該算法能有效剋服“數據飽和”問題,提高計算精度,是一種實用有效的過熱汽溫對象逆建模算法.
침대상규겁한학습궤수착학습차수증가증익구진만만추우령、학습산법축점실거수정능력이출현“수거포화”적문제,제출료한정기억겁한학습궤산법.해산법재학습과정중매증가일개신수거신식,취거도일개구수거신식,권치적학습지의뢰우한정개수적최신수거신식,종이피면출현“수거포화”.통과분석은함층수거구진적특점,이용분결구진계산방법추도료한정기억겁한학습궤재선학습산법.장해산법응용우삼수시변적과열기온대상역모형적변식,방진실험결과표명:해산법능유효극복“수거포화”문제,제고계산정도,시일충실용유효적과열기온대상역건모산법.
