一种基于人工神经元网络的生化反应智能自适应学习和预测系统
NeurOn-Line是在G2实时智能环境中开发和实现人工神经元网络系统的图形化编程软件.通过对全记忆BFGS(Broyden,Fletcher,Goldfarb,and Shanno)算法引入一种新的学习速率搜索方法,提出了一种新的改进的BFGS准牛顿优化算法,编程嵌入到NeurOn-Line中,对BP人工神经元网络权系数进行自适应学习.应用NeurOn-Line人工神经元网络建模和编程技术,研究了一个高度非线性和时变的经典生化反应过程的自适应输出预测问题.使用G2和NeurOn-Line混合智能技术对该生化反应过程进行建模和仿真,成功建立了一套可视化的自适应学习与预测神经元网络系统.仿真实验结果表明,基于改进的BFGS算法的自适应学习与预测神经元网络系统能迅速跟踪该生化反应过程的时变和非线性特性,准确地预测过程输出.
生化反应过程 人工神经元网络 实时智能系统 自适应学习 过程建模 BFGS优化算法
邹志云 冯文强 郭宁 于鲁平 赵丹丹
防化研究院,北京1043信箱,102205
国内会议
广州
中文
132-138
2008-11-14（万方平台首次上网日期，不代表论文的发表时间）