版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、軟測量技術(shù)是當(dāng)前過程控制領(lǐng)域的研究熱點(diǎn)之一,然而隨著工業(yè)過程的日益復(fù)雜化和人們對控制質(zhì)量要求的日益提高,傳統(tǒng)的軟測量技術(shù)越來越難以得到令人滿意的性能,數(shù)據(jù)驅(qū)動的軟測量建模方法逐漸成為軟測量技術(shù)的主流?;跇颖緮?shù)據(jù)構(gòu)建的軟測量模型,其目的在于抽取隱含在樣本數(shù)據(jù)中的知識或規(guī)律,也就是說希望獲得泛化能力較佳的軟測量模型。本文著重研究具有較佳泛化能力的算法并應(yīng)用于軟測量模型的構(gòu)建,主要工作及創(chuàng)新包括如下內(nèi)容: ●給出了數(shù)據(jù)驅(qū)動軟測量建模
2、的一般描述,分析了影響軟測量模型泛化能力的主要因素,從模型復(fù)雜度控制與主動學(xué)習(xí)兩個方面對提高軟測量模型泛化能力的方法進(jìn)行研究。 ●針對普通前向選擇算法的局限,提出一種訓(xùn)練徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的層次分辨度快速選擇算法。算法基于快速生長的回歸樹算法來構(gòu)建特征集合,特征集合具有層次多分辨度的特點(diǎn)。通過對葉子節(jié)點(diǎn)的最小樣本數(shù)pmin及尺度參數(shù)α的優(yōu)化選擇可以構(gòu)建更具代表性的RBF NN中心向量候選集合。為了確定最佳的結(jié)構(gòu)參數(shù)對{Pmin,
3、α},設(shè)計了一種結(jié)構(gòu)參數(shù)的自適應(yīng)優(yōu)選策略。為保證模型的泛化能力,引入基于統(tǒng)計學(xué)習(xí)理論的VM測度并通過實(shí)驗(yàn)分析比較說明VM測度作為模型選擇準(zhǔn)則的的有效性。 ●多模型方法在解決復(fù)雜工業(yè)過程軟測量建模表現(xiàn)出諸多優(yōu)點(diǎn),受懶惰學(xué)習(xí)算法思想的啟發(fā),綜合預(yù)測平方和準(zhǔn)則、分類回歸樹算法及懶惰學(xué)習(xí)提出一種基于預(yù)測平方和準(zhǔn)則的RBF NN局部學(xué)習(xí)多模型方法。為了更合理地定位查詢點(diǎn)的近鄰樣本,提出了一種新的相似性測度。算法由于基于分而治之的基本思想并
4、綜合考慮了模型選擇與近鄰樣本的參數(shù)估計,可以保證構(gòu)建的模型具有優(yōu)異的泛化能力,而預(yù)測平方和準(zhǔn)則的數(shù)值特性保證了算法的實(shí)時性要求。 ●粒子群算法是一種實(shí)現(xiàn)簡單、運(yùn)算高效的群體智能算法,在求解大尺度、高維數(shù)優(yōu)化問題中具有一定的優(yōu)越性,本文提出了一種改進(jìn)的粒子群優(yōu)化算法一層次聚類粒子群優(yōu)化算法(PSOHC)。提出了兩種新穎的應(yīng)用PSO算法優(yōu)化RBF NN的學(xué)習(xí)方法:第一種首先采用對手受罰的競爭學(xué)習(xí)確定合適的隱含層單元數(shù),然后對其他參數(shù)
5、進(jìn)行粒子編碼后采用PSOHC算法進(jìn)行求解;第二種通過矩陣編碼實(shí)現(xiàn)了RBF NN的全結(jié)構(gòu)優(yōu)化學(xué)習(xí)。 ●在許多實(shí)際應(yīng)用環(huán)境,樣本標(biāo)記是一項(xiàng)耗時耗力的工作,而主動學(xué)習(xí)通過主動參與樣本選擇,從而可實(shí)現(xiàn)在同樣泛化能力下學(xué)習(xí)算法所需樣本數(shù)少得多的學(xué)習(xí)效果?;谶@一現(xiàn)實(shí),提出一種基于半監(jiān)督學(xué)習(xí)的RBF NN主動學(xué)習(xí)算法,算法綜合了半監(jiān)督學(xué)習(xí)模式及委員會查詢主動學(xué)習(xí)算法。 ●結(jié)合本文的研究成果,將其分別應(yīng)用于磁流變阻尼系數(shù)軟測量模型及中
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 神經(jīng)網(wǎng)絡(luò)集成的泛化能力研究及其應(yīng)用.pdf
- 焦?fàn)t立火道溫度軟測量模型及其應(yīng)用研究.pdf
- 焦?fàn)t火道溫度軟測量的集成模型及其應(yīng)用研究.pdf
- 軟測量模型生成系統(tǒng)研究與應(yīng)用.pdf
- 應(yīng)用框架層次泛化模型的研究.pdf
- 軟測量技術(shù)研究及其工業(yè)應(yīng)用.pdf
- 分餾塔軟測量模型研究與應(yīng)用.pdf
- 多模型軟測量理論研究及其在甲醇生產(chǎn)中的應(yīng)用.pdf
- 多模型融合建模方法研究及其在軟測量中的應(yīng)用.pdf
- 高斯過程模型及其在工業(yè)過程軟測量中的應(yīng)用研究.pdf
- 多模型融合軟測量方法研究與應(yīng)用.pdf
- 軟測量建模方法研究及其工業(yè)應(yīng)用.pdf
- BP網(wǎng)絡(luò)的泛化能力及其在漢字識別中的應(yīng)用研究.pdf
- 基于主曲線的軟測量及其應(yīng)用研究.pdf
- 軟土流變模型及其工程應(yīng)用.pdf
- 多模型軟測量建模方法研究及其在生物發(fā)酵過程中的應(yīng)用.pdf
- 神經(jīng)網(wǎng)絡(luò)的泛化能力研究及電磁應(yīng)用.pdf
- 基于Bagging的神經(jīng)網(wǎng)絡(luò)集成及其泛化能力研究.pdf
- 自適應(yīng)軟測量建模方法及其應(yīng)用研究.pdf
- 軟土卸荷模型及其工程應(yīng)用.pdf
評論
0/150
提交評論