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.利用分类神经元将学习样本进行分类,针对不同类样本,利用相同的隐层神经元分别计算隐层输出矩阵,进而获得输出连接权值,使得隐层神经元数目大大降低.隐层神经元数据的降低提高了神经网络的计算速度,为其在软测量建模技术中的应用提供了有效的途径.将这一方法应用于导盘轧制过程中,建立了导盘转速的软测量模型,实现了导盘转速的在线预估.
出处
《计量学报》
CSCD
北大核心
2009年第4期324-327,共4页
Acta Metrologica Sinica
基金
国家自然科学基金(60674063)
辽宁省自然科学基金(20062024)
