基于数据属性划分的递阶ELM研究及化工应用

• 作者: 彭荻 朱群雄 贺彦林 高慧慧
• 来源期刊: 化工学报
• 关键词: 极限学习机 自联想神经网络 数据属性划分 高维数据 过程建模
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 过程系统工程
• 页码范围: 4348-4353
• 页数: 6页
• 分类号: TP29
• 语种: 中文
• DOI: 10.3969/j.issn.0438-1157.2013.12.012

摘要

针对极限学习机(ELM)不能有效处理化工过程中强耦合、带噪声的高维数据建模问题,提出了一种基于数据属性划分的递阶ELM神经网络DHELM.该神经网络采用数据属性划分(DAD)方法对高维输入进行聚类、建立自联想子网,并将自联想子网所提取的特征分量作为极限学习机的输入进行建模.同时,利用UCI标准数据集进行了测试,通过工业应用实例进行了验证,并进行了模型对比.结果表明,DHELM网络在处理复杂高维数据时具有收敛速度快、建模精度高、网络稳定性强的特点,为神经网络发展及其化工应用提供了新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱群雄	北京化工大学信息科学与技术学院	151	1425	19.0	26.0
2	彭荻	北京化工大学信息科学与技术学院	5	84	5.0	5.0
3	贺彦林	北京化工大学信息科学与技术学院	11	110	5.0	10.0
4	高慧慧	北京化工大学信息科学与技术学院	5	72	5.0	5.0