10.3969/j.issn.1006-3080.2010.04.022
基于KPCA和离散Walsh变换的改进过程神经网络建模
针对过程神经网络在输入维数较高时存在时间代价过大的缺点,提出了基于核主元分析(KPCA)和离散Walsh变换的改进过程神经网络算法(IPNN-KPW).该算法结合KPCA和离散Walsh正交基变换,减少了过程神经网络的输入计算代价;引入动量因子和自适应学习率,加速了网络收敛并有效地抑制了网络震荡.应用该算法对聚合反应中聚丙烯腈平均分子量建模,仿真实验结果验证了该算法的有效性,它能以较少的时间代价得到较高的模型精度.
核主元分析、Walsh变换、过程神经网络、建模
36
TP183(自动化基础理论)
国家自然科学基金项目64974066
2016-05-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
585-590