针对过程神经网络在输入维数较高时存在时间代价过大的缺点,提出了基于核主元分析 (KPCA)和离散Walsh变换的改进过程神经网络算法(IPNN-KPW)。该算法结合KPCA和离散 Walsh正交基变换,减少了过程神经网络的输入计算代价;引入动量因子和自适应学习率,加速了网络收敛并有效地抑制了网络震荡。应用该算法对聚合反应中聚丙烯腈平均分子量建模,仿真实验结果验证了该算法的有效性,它能以较少的时间代价得到较高的模型精度。
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~