基于极限学习机的生化过程软测量建模

被引:22
作者
常玉清 [1 ]
李玉朝 [2 ]
王福利 [1 ]
吕哲 [3 ]
机构
[1] 东北大学流程工业综合自动化教育部重点实验室
[2] 沈阳理工大学机械工程学院
[3] 东北大学信息科学与工程学院
关键词
极限学习机; 软测量; 建模; 菌体浓度;
D O I
10.16182/j.cnki.joss.2007.23.030
中图分类号
TP274 [数据处理、数据处理系统];
学科分类号
0804 ; 080401 ; 080402 ; 081002 ; 0835 ;
摘要
针对极限学习机方法隐层神经元数目过多的缺陷,提出一种改进的极限学习机方法。在单隐层前向神经网络的隐层中,增加一类分类神经元,从而形成了一种新的单隐层神经网络结构。针对不同类样本数不相同的问题,提出了处理方法,使得可以利用相同的隐层神经元对不同类的学习样本进行拟合,这使得网络的隐层神经元数目大大降低,从而简化了模型的结构,提高了神经网络的计算速度。将这一方法应用于诺西肽发酵过程,建立了菌体浓度的软测量模型,实现了菌体浓度的在线预估。
引用
收藏
页码:5587 / 5590
页数:4
相关论文
共 6 条
[1]   基于诺西肽分批发酵的过程建模 [J].
张大鹏 ;
王福利 ;
何建勇 ;
何大阔 ;
林志玲 ;
常玉清 .
系统仿真学报, 2006, (08) :2311-2313+2330
[2]   基于多支持向量机的诺西肽发酵中菌体浓度软测量 [J].
桑海峰 ;
王福利 ;
何大阔 ;
张大鹏 ;
何建勇 .
系统仿真学报, 2006, (07) :1983-1986
[3]   PCA-DRBFN模型在精馏塔精苯干点估计中的应用 [J].
常玉清 ;
王小刚 ;
王福利 .
东北大学学报, 2004, (02) :103-105
[4]   Evolutionary extreme learning machine [J].
Zhu, QY ;
Qin, AK ;
Suganthan, PN ;
Huang, GB .
PATTERN RECOGNITION, 2005, 38 (10) :1759-1763
[5]  
Real-Lime Learing Capability of Neural Networks. G-B Huang,Q-Y Zhu,C-K Siew. . 2003
[6]  
Extreme Learning Machine:a New Learning Scheme of Feedforward Neural Networks. G-B Huang,Q-Y Zhu,C-K Siew. Proceedings of the International Joint Conference on Neural Networks . 2004