融入先验知识的径向基神经网络软测量建模参考.pdfVIP

下载本文档

5
0
约 4页
2017-08-26 发布于湖北
举报
版权申诉

融入先验知识的径向基神经网络软测量建模参考.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第38卷第4期自动化仪表 V01．38No．4 PROCESSAUTOMAllON 2017年4月 INSTRUMENTA，ⅡON Apr．2017 融入先验知识的径向基神经网络软测量建模肖红军1，黄道平2，刘乙奇2 摘要：针对神经网络软测量建模过程中有效信息丢失的情况，在传统3层径向基神经网络(RBFNN)模型的输入层和隐含层之间引入先验层。先验层与输入层之间的权值可直接表征通过机理、统计或者人工智能算法分析得到的先验知识，即各个输入变量的重要先验知识的4层RBFNN软测量模型具有更优异的拟合能力。关键词：污水处理；人工智能；神经网络；软测量；先验知识；预测中图分类号：7m一3；’Ⅱ)3 文献标志码：A DOI：10．16086／i．cllki．issnl000—0380．201704002 RBF Neural№拥帕rk Modelinghltegrated丽th Priori Kho、订edge野DrSoft—Sensing XIAO Hon舀unl，HUANG Yiqi2 Daopin92，UU of (1．School Autom8tion，Foshanullivers畸，Foshan528000。China； 2．schoolofAntoma石onScienceand of 510640，china) EI晒neering，‰mChi眦universityTechn0109y，Gu肌gzhou soft iIlfbnnation10ss ordertosolvethis Priori is Abs咖ct：Insensingmodelingprocess，e矗ectiVe occIIr；in may pmblem，alayer introducedbetweentlle andtlle oftlle RBFneural inputlayer implicitlayer t阳ditionalⅡlree—layer betweentlle thePIiori IⅥori wkch can characterize山e isobtained weights inputlayers锄d layer direcⅡy knowledge by it isinfb肿ationabout ofeach v耐ables。The mech枷sm，statistics，or棚恤cialinteUigenceal霹oIitllm，and importarlceinput variationoftlle of make8tlleclu8terof in more weightsc锄changeclusteringsh印e RBFNN，which s锄pletrain主ngproce88 tIle