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。过程神经元由加权、聚合、激励运算三部分组成[22]。
过程神经元结构如图3-1所示，其中：x1(t)，x2(t) …xn(t)为过程神经元输入;w1(t)，w2(t)，…，wn(t) 为连接权值;F(·) 为激励函数，K(·) 为时间聚合函数。
图3-1 过程神经元结构
过程神经元输入与输出之间的关系是：
式中 ⊕——某种空间聚合运算;
⊗——某种时间聚合运算。
式(3-1) 中F(·) 为[0，T] 上的一个可积分函数，或更一般地设F(·) 为一个一元泛 ...... （共855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
水环境系统智能化软测量与控制将图3-2所示的过程神经元网络作为软测量模型，采用基于函数正交基展开的过程神经元网络学习算法，发现在污水处理软测量和预测实际应用中存在收敛速度慢，局部最小等问题。通过仿真实验发现网络经常发生“假饱和”
上一篇