基于粒子群算法优化BP神经网络漏钢预报的研究
100 积分
50
评分
4.4 积分- 详情
- 2021-09-20
- 简介
pdf
- 193KB
- 页数 3P
- 阅读 99
- 下载 34
针对标准BP神经网络中收敛速度慢以及易陷入局部最优解等问题,利用粒子群算法的全局搜索性,将粒子群算法应用到BP神经网络训练中建立了PSO-BP神经网络模型,结果表明改进模型不仅可以克服传统BP网络收敛速度慢和易陷入局部权值的局限问题,而且很大程度地提高了结果精度和BP网络学习能力,将此模型应用到结晶器漏钢预报系统中,并用某钢厂采集到的历史数据对该模型进行训练与测试,与标准BP神经网络测试结果进行分析与比较,实验表明PSO-BP网络模型预报更加实时、准确,具有很好的应用前景。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于粒子群算法优化BP神经网络漏钢预报的研究 193KB
基于粒子群算法优化的神经网络在入侵检测中的应用 180KB
基于粒子群算法的神经网络在水资源评价中的应用 461KB
基于粒子群优化算法的神经网络在配电网线损计算中的应用 584KB
基于遗传克隆选择算法优化BP神经网络的地理信息预测研究 486KB
遗传算法优化BP神经网络的信号检测 173KB
基于遗传算法优化BP神经网络的电解碲电源 3.2MB
基于改进粒子群算法的盾构掘进施工优化研究 201KB
基于神经网络和粒子群算法的大跨度钢管混凝土拱桥可靠度分析 1.1MB
基于粒子群算法的济钢氧气系统优化调度研究 134KB