导读:本文包含了函数型连接神经网络论文开题报告文献综述及选题提纲参考文献，主要关键词:函数连接神经网络,正则化,过程建模,软测量
函数型连接神经网络论文文献综述
贺彦林,田业,顾祥柏,徐圆,朱群雄[1]（2019）在《基于正则化的函数连接神经网络研究及其复杂化工过程建模应用》一文中研究指出在化工过程的建模中,由于过程数据的高维度和高非线性,导致计算量大幅提升和建模难度加大。为了解决这一问题,本文提出一种基于正则化方法的函数连接神经网络模型(regularization based functional link neural network, RFLNN)。所提出的RFLNN方法里,通过使用正则化的方法对函数连接神经网络的权值进行优化,一方面大幅降低网络计算复杂度和计算量,另一方面极大程度上克服网络局部极值和过拟合的问题,以提高函数连接神经网络的学习速度和精度。为了验证本文所提方法的有效性,首先采用UCI数据中Real estate valuation数据对其性能进行测试;随后将所提的方法应用于高密度聚乙烯(High Density Polyethylene,HDPE)复杂生产过程进行建模。UCI标准数据与工业数据的仿真结果表明,与传统FLNN对比,本文所提出的RFLNN在处理高维复杂化工过程数据时具有收敛速度快、建模精度高等特点。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
朱群雄,张晓晗,顾祥柏,徐圆,贺彦林[2]（2018）在《基于特征提取的函数连接神经网络研究及其化工过程建模应用》一文中研究指出对于化工过程中带噪声、强耦合的高维数据建模问题,常规的函数连接神经网络(functional link neural networks,FLNN)无法有效地进行处理。为解决该问题,提出一种基于主元分析(principal components analysis,PCA)的函数连接神经网络(PCA-FLNN)。通过对FLNN的函数扩展层进行特征提取,不仅去除变量间的线性相关关系,而且提取数据的主成分,进而简化FLNN学习数据的复杂度。为验证所提方法的有效性,首先采用UCI数据Airfoil Self-Noise对其性能进行验证;随后将所提的方法应用于精对苯二甲酸(purified terephthalic acid,PTA)生产过程建模;与传统FLNN进行对比,标准数据和工业数据的仿真结果表明,PCA-FLNN在处理复杂化工过程数据时具有收敛速度快和建模精度高的特点。(本文来源于《化工学报》期刊2018年03期）
虎涛涛,康波,单要楠[3]（2017）在《基于动态函数连接神经网络的自适应逆控制系统辨识研究》一文中研究指出自适应逆控制将系统扰动消除和动态响应性能独立分开控制,其性能的优劣取决于系统对象、逆对象及逆控制器模型辨识精度的高低。文中提出用动态函数连接神经网络来实现自适应逆控制系统对象、逆对象的同时在线建模和逆控制器的离线建模,并将模型参数的辨识转化为空间参数寻优。针对混沌初始化对已收敛种群结构的破坏性,提出用变参数混沌粒子群优化算法对神经网络权值进行全局寻优,通过仿真实验可以看出基于动态函数连接神经网络的建模误差小,辨识精度高;与当前的参考模型自适应控制方法进行对比分析,所提方法能取得较好的扰动消除效果,并能使系统的跟踪响应性能得到提高,从而验证了方法的有效性、可行性。(本文来源于《计算机科学》期刊2017年10期）
朱群雄,张晓晗,顾祥柏,徐圆,贺彦林[4]（2017）在《基于主元分析的函数连接神经网络研究及其化工过程建模应用》一文中研究指出对于化工过程中带噪声,强耦合的高维数据建模问题,常规的函数连接神经网络(Functional Link Neural Networks,FLNN)无法有效地进行处理。为解决该问题,本文提出一种基于主元分析(Principal Components Analysis,PCA)的函数连接神经网络(PCA-FLNN)。通过对FLNN的函数扩展层进行主元分析,不仅去除变量间的线性相关关系,而且降低函数扩展层的输出维数,进而简化FLNN学习数据的复杂度。为验证本文所提方法的有效性,首先采用UCI数据Airfoil Self-Noise对其性能进行验证;随后将所提的方法应用于精对苯二甲酸(Purified Terephthalic Acid,PTA)生产过程建模;与传统FLNN进行对比,标准数据和工业数据的仿真结果表明,PCA-FLNN在处理复杂化工过程数据时具有收敛速度快和建模精度高的特点。(本文来源于《第28届中国过程控制会议（CPCC 2017）暨纪念中国过程控制会议30周年摘要集》期刊2017-07-30）
刘滔,韩华亭,马婧,雷超[5]（2015）在《基于函数连接神经网络的传感器Hammerstein模型辨识研究》一文中研究指出针对非线性动态传感器模型辨识问题,提出利用函数连接神经网络算法对非线性系统的Hammerstein模型进行一步辨识的方法。以多项式逼近传感器中的静态非线性环节,同时结合动态线性环节的差分方程,建立关于直接输入输出的离散数据表达式,利用改进FLANN训练求解Hammerstein模型参数。采用变学习因子的方法对FLANN算法进行改进,提高了收敛速率和稳定性。实验结果表明,该辨识方法简单有效且具有更快的收敛速度。(本文来源于《计量学报》期刊2015年01期）
吴雪雨[6]（2009）在《油藏系统函数型连接神经网络辨识方法研究》一文中研究指出一些油藏系统的偏微分方程模型,经过变换能化为非线性函数项级数,级数的每一项均为地层参数θ的复杂非线性函数.地层参数是试井解释的依据,因而要求其估值应具有全局最优性,又因上述函数为多峰函数,在极值点处关于θ的变化很敏感,使问题更为困难,现有迭代法均未奏效.为了解决了这个问题,提出了一种新型混合遗传算法.实际应用表明,用上述方法建模具有很高的精确度,模糊的平均相对误差在1%以内,并且能求出地层参数的全局最优估值.(本文来源于《哈尔滨理工大学学报》期刊2009年03期）
郭全民,王健[7]（2008）在《基于函数型连接神经网络的瓦斯传感器非线性校正》一文中研究指出通过对载体催化瓦斯传感器检测原理的分析,指出瓦斯体积分数与瓦斯传感器输出电压之间呈非线性关系,提出了应用函数型连接神经网络的强非线性逼近能力,且不依赖确定的数学模型的优点,建立非线性校正模型,消除瓦斯检测中的非线性误差。网络仿真结果与分段线性拟合曲线的比较表明:这种非线性校正模型结构简单、收敛速度快、逼近精度高。(本文来源于《传感器与微系统》期刊2008年10期）
陈惟岐,刘劲涛[8]（2006）在《油藏系统函数型连接神经网络辨识方法》一文中研究指出为实现油田生产管理和决策的现代化,使地层参数估值具有全局最优性,在研究油井井底压力分布的描述和有关地层参数辨识问题的基础上,提出了一种由二阶学习算法与GA(Genetic A lgorithm)构成的新型混合遗传算法,并给出一种新型神经网络。该网络把级数中的函数看成非线性神经元,建立油藏系统的函数型连接人工神经网络模型。由系统辨识理论中的F检验法确定网络模型的结构参数n,用二阶学习算法和新型GA交替辨识网络模型的权系数v和地层参数θ。应用表明,采用上述方法建模精度高,模型的平均相对误差在1%以内,并能求出地层参数的全局最优估值。(本文来源于《吉林大学学报(信息科学版)》期刊2006年06期）
贾永峰,谷立臣[9]（2005）在《基于函数型连接神经网络的塔机起重力矩测量方法》一文中研究指出针对塔机起重力矩检测中的非线性问题,采用函数型连接神经网络建立软测量模型,解决了塔机起重力矩与弓形板力矩限制器弓板位移量之间的函数关系计算问题,为间接测量塔机起重力矩提供了新的计算方法。(本文来源于《建筑机械》期刊2005年05期）
王韶,周家启[10]（2004）在《基于函数型连接神经网络的发输电系统可靠性评估研究》一文中研究指出发输电系统可靠性评估的枚举法需要大量的计算时间。为减少可靠性评估的计算量,特提出一种用于识别偶发事件的函数型连接神经刚络(FLNN)分类模型。根据潮流计算特点,构造了一种能够计及有功且能够计及电压和无 功影响的简化潮流模型来快速计算行为指标(PI),形成FLNN分类器输入模式集。将FLNN分类模型和简化潮流模型相结合,提出了一种基于偶发事件筛选的函数型连接神经例络(FLNN)可靠性评估方法。用该方法对IEEE-RTS79测试系统进行计算,结果验证了该方法的正确性和有效性,同时表明了该方法在保证精度的前提下减少了计算时间,在目前情况下改进计算方法来提高计算精度比计及高阶事件的影响来提高计算精度更为有效。(本文来源于《中国电机工程学报》期刊2004年09期）
函数型连接神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对于化工过程中带噪声、强耦合的高维数据建模问题,常规的函数连接神经网络(functional link neural networks,FLNN)无法有效地进行处理。为解决该问题,提出一种基于主元分析(principal components analysis,PCA)的函数连接神经网络(PCA-FLNN)。通过对FLNN的函数扩展层进行特征提取,不仅去除变量间的线性相关关系,而且提取数据的主成分,进而简化FLNN学习数据的复杂度。为验证所提方法的有效性,首先采用UCI数据Airfoil Self-Noise对其性能进行验证;随后将所提的方法应用于精对苯二甲酸(purified terephthalic acid,PTA)生产过程建模;与传统FLNN进行对比,标准数据和工业数据的仿真结果表明,PCA-FLNN在处理复杂化工过程数据时具有收敛速度快和建模精度高的特点。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
函数型连接神经网络论文参考文献
[1].贺彦林,田业,顾祥柏,徐圆,朱群雄.基于正则化的函数连接神经网络研究及其复杂化工过程建模应用[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[2].朱群雄,张晓晗,顾祥柏,徐圆,贺彦林.基于特征提取的函数连接神经网络研究及其化工过程建模应用[J].化工学报.2018
[3].虎涛涛,康波,单要楠.基于动态函数连接神经网络的自适应逆控制系统辨识研究[J].计算机科学.2017
[4].朱群雄,张晓晗,顾祥柏,徐圆,贺彦林.基于主元分析的函数连接神经网络研究及其化工过程建模应用[C].第28届中国过程控制会议（CPCC2017）暨纪念中国过程控制会议30周年摘要集.2017
[5].刘滔,韩华亭,马婧,雷超.基于函数连接神经网络的传感器Hammerstein模型辨识研究[J].计量学报.2015
[6].吴雪雨.油藏系统函数型连接神经网络辨识方法研究[J].哈尔滨理工大学学报.2009
[7].郭全民,王健.基于函数型连接神经网络的瓦斯传感器非线性校正[J].传感器与微系统.2008
[8].陈惟岐,刘劲涛.油藏系统函数型连接神经网络辨识方法[J].吉林大学学报(信息科学版).2006
[9].贾永峰,谷立臣.基于函数型连接神经网络的塔机起重力矩测量方法[J].建筑机械.2005
[10].王韶,周家启.基于函数型连接神经网络的发输电系统可靠性评估研究[J].中国电机工程学报.2004