立德粉质量指标回归神经网络软测量模型研究及其改进
本文基于历史数据为立德粉生产过程建立消色力指标的回归神经网络软测量模型.首先利用SPSS统计软件分析处理过程数据,进而利用这些数据训练回归神经网络,预测消色力质量指标.针对回归神经网络训练效率低,泛化能力差等问题,尝试引入一种初始权值优化方法来改进.仿真结果表明,回归神经网络软测量模型对训练数据有较好拟合效果,引入权值初始优化之后,可以提高初始训练效率,但对整个过程的训练效率及效果并无明显改进.该算法如何针对回归神经网络的特点来应用将有进一步讨论,同时寻找其他方法来提高回归神经网络软测量模型的精度及泛化能力.
立德粉 软测量模型 SPSS统计分析 回归神经网络 初始权值优化
陆婷 罗飞 毛宗源
华南理工大学自动化科学与工程学院(广州)
国内会议
澳门、珠海
中文
468-472
2002-07-01（万方平台首次上网日期，不代表论文的发表时间）