基于极限学习机的在线参数更新方法及工业应用OA
Online parametric update method based on extreme learning machine and its industrial application
针对乙烯裂解炉结焦导致裂解炉机理改变,从而引起的模型预测不准确问题,提出一种带有遗忘因子的在线序列简化核极限学习机算法(FOS-RKELM).该算法基于在线序列的简化核极限学习机,数据可以在线实时添加到网络中,从而提高模型的适应度;通过引入遗忘因子提高最近学习数据对模型的贡献,增强模型在线学习的能力;引入聚类算法优化、简化核极限学习机(RKELM),提高算法的稳定性.结果表明:所提算法在Mackey-Glass时滞混沌序列上取得了较好的预测效果;…查看全部>>
王再辰;程辉;赵亮
华东理工大学 能源化工过程智能制造教育部重点实验室,上海 200237华东理工大学 能源化工过程智能制造教育部重点实验室,上海 200237华东理工大学 能源化工过程智能制造教育部重点实验室,上海 200237
电子信息工程
在线序列简化核极限学习机(OS-RKELM)简化核极限学习机(RKELM)遗忘因子在线序列参数更新乙烯裂解炉
online sequence simplified kernel extreme learning machinereduced kernel extreme learning machineforgetting factoronline sequenceparameter updatesethylene cracking furnace
《现代电子技术》 2023 (22)
126-130,5
国家自然科学基金面上项目:化学过程生命周期评价与多目标鲁棒优化方法及其应用(22178103)
评论