10.3969/j.issn.1005-3026.2009.06.001
基于Elman神经网络集成的诺西肽发酵过程建模
针对单神经网络模型外推效果不理想、泛化能力较差的缺点,将神经网络集成用于诺西肽发酵过程的建模.采用Bagging技术进行重复取样用于个体神经网络的训练,结论生成时采用加权平均法,各子网络的权重利用差分进化算法来确定.个体神经网络选用典型的动态神经网络Elman网络,通过对多个Elman神经网络模型的输出进行融合,建立了基于神经网络集成的诺西肽发酵产物浓度模型.最后将所建立的模型与基于单神经网络的模型进行了比较,结果说明该模型具有更高的精度和泛化能力.
诺西肽发酵、建模、神经网络集成、差分进化算法、Elman神经网络
30
TP274(自动化技术及设备)
国家自然科学基金资助项目60774068;流程工业综合自动化教育部重点实验室开放课题PAL200509
2015-07-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
761-764