您的位置: 专家智库 > >

李玉朝

作品数:2 被引量:28H指数:2
供职机构:沈阳理工大学机械工程学院更多>>
发文基金:国家自然科学基金国家重点基础研究发展计划教育部重点实验室开放基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 1篇多变量
  • 1篇学习机
  • 1篇软测量
  • 1篇软测量建模
  • 1篇神经网
  • 1篇神经网络
  • 1篇生化
  • 1篇生化过程
  • 1篇解耦
  • 1篇解耦控制
  • 1篇极限学习机
  • 1篇发酵
  • 1篇发酵过程

机构

  • 2篇东北大学
  • 2篇沈阳理工大学

作者

  • 2篇吕哲
  • 2篇王福利
  • 2篇常玉清
  • 2篇李玉朝

传媒

  • 1篇东北大学学报...
  • 1篇系统仿真学报

年份

  • 2篇2007
2 条 记 录,以下是 1-2
排序方式:
基于极限学习机的生化过程软测量建模被引量:21
2007年
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。针对不同类样本数不相同的问题,提出了处理方法,使得可以利用相同的隐层神经元对不同类的学习样本进行拟合,这使得网络的隐层神经元数目大大降低,从而简化了模型的结构,提高了神经网络的计算速度。将这一方法应用于诺西肽发酵过程,建立了菌体浓度的软测量模型,实现了菌体浓度的在线预估。
常玉清李玉朝王福利吕哲
关键词:极限学习机软测量
基于两级神经网络的发酵过程多变量前馈解耦控制被引量:7
2007年
针对具有时变、非线性、不确定性的多变量耦合生物发酵过程,提出了一种基于两级神经网络的多变量前馈解耦方法.一级神经网络利用可获得的过程信息拟和耦合通道的过程特性,实现耦合作用对被控量影响的估计;二级神经网络用来拟和控制通道的逆特性.通过两级网络的串联,消除系统间的耦合.实验结果表明,提出的解耦控制方法能适应生物发酵过程模型的不确定性和参数时变性,克服了前馈解耦方法依赖于过程模型和对模型参数的变化表现敏感的缺点.
常玉清李玉朝吕哲王福利
关键词:多变量解耦控制发酵过程
共1页<1>
聚类工具0