微粒群神经网络在软测量建模中的应用
微粒群优化算法(PSO)是由Kennedy和Eberhart1995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. 目前,在软测量建模方法中常用的神经网络采用的是BP算法,其缺点在于训练时间长,且容易陷入局部极值点.本文将微粒群优化算法用于神经网络的训练,构造微粒群神经网络,并用于丙烯腈收率的软测量建模.仿真结果表明基于微粒群神经网络的软测量模型具有良好的性能和极好的应用前景。
微粒群优化算法 丙烯腈收率 神经网络 软测量模型
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
206-208
2006-12-19（万方平台首次上网日期，不代表论文的发表时间）