自适应监督式分布神经网络及其工业应用

• 作者: 吴敏 桂卫华 王雅琳 阳春华
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 监督式分布神经网络 自适应学习 铅锌烧结过程 成分预测
• 年，卷（期）: 2001,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 549-552,556
• 页数: 5页
• 分类号: TP216
• 字数: 3478字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0920.2001.05.008

摘要

针对工业生产过程的复杂性和时变性,提出一种用于工业生产过程建模的自适应监督式分布神经网络(SDNN).介绍了SDNN网络的结构和自适应学习方法,并将SDNN网络与传统建模方法相结合,应用于铅锌烧结过程的烧结块成分预测 .工业应用结果表明,SDNN模型具有较高的预测精度,与传统建模方法有机结合能更好地描述工业生产过程.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴敏	中南工业大学信息科学与工程学院	18	410	10.0	18.0
2	桂卫华	中南工业大学信息科学与工程学院	18	223	8.0	14.0
3	阳春华	中南工业大学信息科学与工程学院	6	188	4.0	6.0
4	王雅琳	中南工业大学信息科学与工程学院	4	77	3.0	4.0