柴油机燃烧组分RBF网络分解方法研究
对于一个多变量的超高维非线性复杂系统，当输出变量之间的变化规律相差很大时，单一的RBF网络的学习效率和逼近精度都降低。如果采用几个子网络来进行函数逼近会大大提高网络的计算效率。本文通过研究RBF 网络的学习算法，提出以目标函数的样本值与RBF 隐含层神经元输出值的变化规律的相似性程度，作为将一个大的神经网络分解成几个较小的子神经网络的判据的方法，并将该方法用在柴油机燃烧组分质量RBF 网络学习中，效果令人满意。
柴油机 化学动力学 人工神经网络 径向基函数 燃烧组分
郭晓平 王占杰 黄勇
大连理工大学内燃机研究所 大连 116023
国内会议
西安
中文
2008-10-01（万方平台首次上网日期，不代表论文的发表时间）