基于自编码神经网络特征提取的回声状态网络研究及过程建模应用

• 作者: 乔俊飞 朱宝
• 来源期刊: 化工学报
• 关键词: 自编码神经网络 回声状态网络 特征提取 软测量 过程建模
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 过程系统工程
• 页码范围: 4770-4776
• 页数: 7页
• 分类号: TP 29
• 语种: 中文
• DOI: 10.11949/0438-1157.20191350

摘要

在复杂化工建模过程中,由于过程数据的时序性、高非线性以及高维数的特点,导致传统的静态神经网络建模无法满足一定的精度.为了解决该问题,提出一种基于自编码神经网络特征提取的回声状态网络模型(features extracted from auto-encoder based echo state network, FEAE-ESN).传统回声状态网络(echo state network, ESN)方法中,储备池的节点数目很多,输出的维数很高,数据间存在共线性.为解决上述问题,待回声状态网络训练好之后,使用自编码神经网络对其储备池输出进行特征提取.通过自编码网络特征提取,一方面可以有效地降低储备池输出的维数,从而降低数据的复杂度;另一方面提取的特征去除了原有储备池输出的共线性,能够进一步提高广义逆的计算性能;最终提高回声状态网络的建模精度.所提方法FEAE-ESN用于田纳西-伊斯曼复杂过程建模,仿真结果验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔俊飞	北京工业大学信息学部	181	1883	22.0	31.0
2	朱宝	北京工业大学信息学部	1	0	0.0	0.0