基于过程神经网络的稀疏数据过程建模方法

• 作者: GUAN Shou-ping 吕欣
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 稀疏数据过程 过程神经网络 数据预处理 滚动学习
• 年，卷（期）: 2008,（11）
• 所属期刊栏目: 人工智能与仿真
• 页码范围: 2893-2896
• 页数: 4页
• 分类号: TP18
• 字数: 4435字
• 语种: 中文

摘要

针对一类因检测困难而导致检测数据稀少的连续工业过程,提出了基于离散Walsh变换的过程神经网络建模方法.在对稀疏样本数据进行预处理的基础上,采用递推式非邻均值生成法对样本数据进行扩充,以此建立可产生任意密集预测数据的过程神经网络模型,并采用在线滚动学习的方法进一步提高所建立的预测模型的精度.以味精发酵过程菌体浓度预测为例,验证了所建立的过程神经元网络预测模型可以得到非常高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕欣	东北大学教育部流程工业综合自动化重点实验室	3	20	2.0	3.0
2	GUAN Shou-ping	东北大学教育部流程工业综合自动化重点实验室	1	11	1.0	1.0