基于ipso优化rbf神经网络的带钢厚度控制预测新方法 a new method of the steel strip thickness control forecasting based on optimized rbf neural network using ipso algorithm.pdfVIP

下载本文档

4
0
约 5页
2017-11-02 发布于上海
举报
版权申诉

基于ipso优化rbf神经网络的带钢厚度控制预测新方法 a new method of the steel strip thickness control forecasting based on optimized rbf neural network using ipso algorithm.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

基于ipso优化rbf神经网络的带钢厚度控制预测新方法 a new method of the steel strip thickness control forecasting based on optimized rbf neural network using ipso algorithm

2016年3月内蒙古科技大学学报 March，2016 ofInner ofScienceand V01．35，No．1 第35卷第1期 Journal MongoliaUniversity Technology 文章编号：2095—2295(2016)01—0075—04DOI：10．16559／j．cnki．2095—2295．2016．01．017 基于IPSO优化RBF神经网络的带钢厚度控制预测新方法闵喜瑞，周建新 (华北理工大学电气工程学院，河北唐山063000) 关键词：IPSO算法；RBF神经网络；带钢厚度控制预测中图分类号：TPl83 文献标识码：A 摘要：提出了一种基于IPSO算法优化RBF神经网络的带钢厚度控制预测的新方法．先将PSO算法中的权重和学习因子进行优化，再将改进后的新粒子群算法应用于RBF神经网络的参数确定中，实现了RBF神经网络隐含层高斯函数的中心值和宽度向量以及隐含层与输出层之间权值的优化，改善了RBF神经网络的预测精度．仿真结果表明，将优化的RBF网络用于带钢厚度控制预测中，获得了可靠的精度和较好的收敛速度，说明该方法具有广阔的应用推广前景． Anewmethodofthesteel thicknesscontrol strip forecasting basedon RBF neuralnetworkIPSO optimized using algorithm MINXi．rui 1。ZHOUJian．xin2 ofElectrical China ofScienceand (College Engineering，NoahUniversity Technology，Tangshan063000，China) neural thicknesscontrol Keywords：IPSO network，steel algorithm，RBF strip forecasting Abstract：Anewmethodofthethicknesscontrol ofsteel was wasbasedonthe RBF neural forecastingstrip putforward，which optimized networkIPSO functionsandthe factorsofPSO were using algorithm．First，the weight learning algorithmoptimized．Then，theimproved IPSO was to the ofdata vectorsand functionsofRBFneuralnetwork．The algorithmappliedoptimizepositions centers，width weight pre— diction ofRBFneuralnetworkWas simulationresultsshow precisi