采用限定记忆极限学习机的过热汽温逆建模研究
【作者】
王万召
;
王杰
【关键词】
单隐含层前馈神经网络
限定记忆极限学习机
数据饱和
在线逆建模
过热汽温
【摘要】针对常规极限学习机随着学习次数增加增益矩阵慢慢趋于零、学习算法逐渐失去修正能力而出现“数据饱和”的问题,提出了限定记忆极限学习机算法.该算法在学习过程中每增加一个新数据信息,就去掉一个旧数据信息,权值的学习只依赖于限定个数的最新数据信息,从而避免出现“数据饱和”.通过分析隐含层数据矩阵的特点,利用分决矩阵计算方法推导了限定记忆极限学习机在线学习算法.将该算法应用于参数时变的过热汽温对象逆模型的辨识,仿真实验结果表明:该算法能有效克服“数据饱和”问题,提高计算精度,是一种实用有效的过热汽温对象逆建模算法.
上一篇:利用改进CV模型连续水平集算法的核磁共振乳腺图像分割
下一篇:云计算环境中的组合文档模型及其访问控制方案