微粒群神经网络在丙烯腈收率软测量建模中的应用
微粒群优化算法(PSO)是由Kennedy和Eberhart于1995年提出的一种新的进化计算算法.由于PSO概念和参数调整都很简单而且容易编程实现,它既保持传统进化算法深刻的群体智慧背景,同时又有自己许多良好的优化性能,正在得到越来越广泛的应用.目前,PSO的应用领域主要有:函数优化,神经网络训练及其他进化算法常用的领域.研究表明,PSO是一种非常有潜力的神经网络(NN)训练算法,可以方便地调节神经网络的连接权值和阈值,已被成功地用来解决许多实际问题. 在工业生产中,为了满足生产要求,人们开始更多地关注与生产过程有关的信息,试图从中发现新的信息.结果发现从能够测量的其它数据中,可以推断出未被测量或者难以测量的变量,这种可行的途径称为软测量.本文研究 微粒群神经网络在丙烯腈收率软测量建模中的应用。
微粒群优化算法 神经网络 丙烯腈生产 软测量建模 函数优化
刘欣 蒋爱平
华东理工大学,自动化研究所,上海,200237
国内会议
上海
中文
268
2006-12-19（万方平台首次上网日期，不代表论文的发表时间）