5.4.2.1 神经网络建模实现
建立RBF神经网络结构，确定模型的控制变量、状态变量、性能指标和约束条件，以及它们之间的相互关系。可以通过 “选择样本数据” 选择不同情况下所需的样本数据，通过“选择测试数据” 选择不同的数据对网络进行性能评价，通过调节 “参数设定中” 扩展常数可以调节网络的学习性能。通过“网络性能评价” 按钮可以看到所构建的神经网络对测试数据的学习情况，软件主要功能如图5-15所示。
系统神经网络模型在计算机上用MATLAB进行数字仿真，利用MATLAB提供的引擎 (engine) 技术实现MATLAB污水处理出水水质软预测器集成到Visual Basic开发的实验程序中[160-161]。COM Builder是MATL ...... （共716字） [阅读本文]>>
水环境系统智能化软测量与控制水环境系统软测量的基本思想是将系统建模理论与生产工艺过程知识有机结合起来，应用计算机软件技术，对水环境系统中一些难于在线测量或不能测量的重要变量 (称之为主导变量)，如出水BOD、COD等，通过选择另
水环境系统智能化软测量与控制软测量的基本原理是把系统辨识和控制系统建模理论与生产工艺过程知识结合起来，根据某种最优规则，选择一组既与主导变量有密切联系又易检测的变量，即二次变量，通过构造某种以二次变量为输入、主导变量为输出的数学
水环境系统智能化软测量与控制过程神经元的输入和连接权值均可为一个时间变化过程，并在传统神经元空间聚合运算的基础上，增加了一个时间聚合算子，使过程神经元的聚合运算和激励作用能同时反映信号的空间总和效应和时间总和效应。过程神经元由加
水环境系统智能化软测量与控制过程神经元网络是由若干个过程神经元和一般非时变神经元按照一定的拓扑结构组成的人工神经元系统。类似于传统神经元网络，过程神经元网络也可以按神经元之间的连接方式分为前向型过程神经元网络和反馈型过程神经元网
水环境系统智能化软测量与控制过程神经元网络的学习算法目前国内只有何新贵院士、许少华博士提出了几种方法[23]。主要有基于梯度下降的学习算法，该算法借鉴了传统的BP算法[111-112]; 基于函数正交基展开的学习算法，在输入空间
上一篇