首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于KPCA和离散Walsh变换的改进过程神经网络建模
引用本文:王文佳,罗健旭.基于KPCA和离散Walsh变换的改进过程神经网络建模[J].华东理工大学学报(自然科学版),2010,36(4).
作者姓名:王文佳  罗健旭
作者单位:华东理工大学信息科学与工程学院,上海,200237
基金项目:国家自然科学基金项目 
摘    要: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。

关 键 词:核主元分析  Walsh变换  过程神经网络  建模

Modeling of Improved Process Neural Network Based on KPCA and Discrete Walsh Transform
WANG Wen-jia,LUO Jian-xu.Modeling of Improved Process Neural Network Based on KPCA and Discrete Walsh Transform[J].Journal of East China University of Science and Technology,2010,36(4).
Authors:WANG Wen-jia  LUO Jian-xu
Abstract:
Keywords:
本文献已被 CNKI 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号